Różnice między wybraną wersją a wersją aktualną.
| Both sides previous revision Poprzednia wersja Nowa wersja | Poprzednia wersja | ||
|
pl:miw:miw08_rbs_ml [2008/05/27 02:26] miw |
pl:miw:miw08_rbs_ml [2008/06/16 16:19] gjn |
||
|---|---|---|---|
| Linia 1: | Linia 1: | ||
| - | ====== 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: ([[pl:miw:miw08_rbs_ml:nunittests|NUnitTests]] - plik z testem) | ||
| - | * Losowy zbiór uczący składający sie z 126 przykładów | ||
| - | * Dziedzina składa się z 2016 przypadków | ||
| - | * Najpierw algorytm buduje drzewo z 126 przykładów zbioru uczącego, następnie pozostałe 1890 są testowane w zbudowanym drzewie | ||
| - | |||
| - | * Wyniki: | ||
| - | * Wykonano 23 testy | ||
| - | * Średnia skuteczność wynosiła 83.3% | ||
| - | * Poprawnie sklasyfikowane przykłady testowe wahały się od 1428 do 1771 | ||
| - | |||
| - | ====== 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#]] | ||
| - | |||
| - | ====== 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]] | ||
| - | Kolejna polska strona Włodzisława Ducha. 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]] | ||
| - | |||
