Both sides previous revision
Poprzednia wersja
Nowa wersja
|
Poprzednia wersja
|
pl:miw:miw08_rbs_ml [2008/06/10 13:19] miw |
pl:miw:miw08_rbs_ml [2008/06/16 16:19] gjn |
====== Opis ====== | |
Krzysztof Morcinek, <krzysztof.morcinek@gmail.com> | |
| |
Uczenie maszynowe w RBS, jako metoda rozbudowy/rozszerzania istniejącego systemu o nowe reguły, modyfikacja reguł, przykłady. | |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
====== Spotkania ====== | |
| |
| |
| |
| |
| |
| |
| |
| |
===== 080311 ===== | |
| |
| |
===== 080401 ===== | |
* jak metodami uczenia maszynowego //automatycznie// budować model ARD? | |
* jak uczenie maszynowe może prowadzić do rozbudowy bazy reguł? | |
| |
| |
| |
| |
| |
| |
| |
| |
| |
===== 080520 ===== | |
* Zaimplementować uczenie maszynowe dla [[hekate:hekate_case_thermostat|Termostatu]]. | |
* Zastosowano algorytm ID3, lecz wtedy tworzy sie zbyt wiele gałęzi. | |
* Pójście w stronę C4.5 na początku następuje agregacja (wartości są uporządkowane) i zmiana atrybutów porządkowych na inne o mniejszej ilości możliwych wartości. | |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
===== 080527 ===== | |
| |
| |
* Pytania: | |
* Czy jako zbiór uczący może być cała dziedzina, czyli 'dni x godziny x miesiące'? | |
* Czy musimy obsługiwać przekłamane przykłady uczące i braki (brak któregoś atrybutu)? | |
| |
* Testy algorytmu ID3 | |
* [[ http://student.agh.edu.pl/~morcinek/AGH/MIW/No_aggregate.gif |Przykładowe drzewo]] które nie zostało w pełni wygenerowane ponieważ program graphviz nie poradził sobie. Było to związane z tym, że atrybuty początkowe zawierały zbyt wiele wartości i każda z nich była w każdym wyniku testu opierającego się o ten atrybut. Czasochłonne i pamięciochłonne było też konstruowanie i przechowywanie w pamięci takiego drzewa. | |
| |
| |
| |
| |
===== 080610===== | |
| |
| |
* Testy: | |
* Korzystamy z algorytmu ID3 uzupełnionego o występujące w C4.5 agregowanie wartości porządkowych i zmianę atrybutów na prostsze | |
* Losowy zbiór uczący składający sie z 150 przykładów | |
* Dziedzina składa się z 2016 przypadków | |
* Najpierw algorytm buduje drzewo z 150 przykładów zbioru uczącego, następnie pozostałe 1866 są testowane w zbudowanym drzewie | |
| |
* Wyniki: | |
* [[ http://student.agh.edu.pl/~morcinek/AGH/MIW/Test150_0.14_tree1.gif |Przykładowe drzewo 1]] oraz [[http://student.agh.edu.pl/~morcinek/AGH/MIW/Test150_0.14_aggr1.txt |plik .txt 1]] odwzorowujący atrybuty początkowe na te atrybuty po agregacji | |
* [[ http://student.agh.edu.pl/~morcinek/AGH/MIW/Test150_0.14_tree2.gif |Przykładowe drzewo 2]] oraz [[http://student.agh.edu.pl/~morcinek/AGH/MIW/Test150_0.14_aggr2.txt |plik .txt 2]] odwzorowujący atrybuty początkowe na te atrybuty po agregacji | |
* Wykonano 20 testów | |
* Średnia skuteczność wynosiła 86.3% | |
* Poprawnie sklasyfikowane przykłady testowe wahały się od 1329 do 1776 | |
| |
====== Projekt ====== | |
| |
| |
* Projekt pisany jest w języku C#. | |
| |
* Używane pliki: | |
* [[pl:miw:miw08_RBS_ML:decisiontree|DecisionTree.cs]] | |
* [[pl:miw:miw08_rbs_ml:class1|Class1.cs]] | |
* [[pl:miw:miw08_rbs_ml:enums|Enums.cs]] | |
| |
| |
* [[http://student.agh.edu.pl/~morcinek/AGH/MIW|Aktualna implementacja w języku C#]] | |
* [[http://packages.debian.org/etch/mono]] | |
| |
====== Sprawozdanie ====== | |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
====== Materiały ====== | |
[[http://idss.cs.put.poznan.pl/~stefanowski/mlteaching.html|Wiele linków o ML z Politechniki Poznańskiej]] | |
| |
[[http://hcs.science.uva.nl/mlteach/index.html|SWI/IFIP Machine Learning Education]] | |
Strona zawiera niemalże wszystkie rodzaje materiałów edukacyjnych na temat ML. Przeznaczona jest jednocześnie dla fachowców, studentów jak i dla laików. Wiele linków i dostęp do danych testowych ML | |
| |
[[http://www.fizyka.umk.pl/~duch/indexpl.html|Wodzislaw Duch Home page]] | |
Zawiera dużo ciekawych linków, informacji na temat lokalnych metod uczenia się, algorytmów ML | |
| |
| |
Książka Systemy uczące sie. Cichosz P., WNT, Warszawa, 2000, zwłaszcza cały rozdział 3. Indukcja drzew decyzyjnych. oraz 7. Przekształcanie atrybutów. | |
| |
[[wp>ID3_algorithm]] [[wp>C4.5_algorithm]] [[wp>Decision_tree]] [[http://pl.wikipedia.org/wiki/Drzewo_decyzyjne|Drzewo decyzyjne na Wikipedii]] | |
| |
| |