[[
✎ pl:miw:miw08_rbs_ml
]]
aiWiki
Pokaż stronę
Ostatnie zmiany
Indeks
Zaloguj
Ta strona jest tylko do odczytu. Możesz wyświetlić źródła tej strony ale nie możesz ich zmienić.
====== 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: * 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 * Korzystamy z algorytmu ID3 uzupełnionego o występujące w C4.5 agregowanie wartości porządkowych i zmianę atrybutów na prostsze * 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]]
pl/miw/miw08_rbs_ml.1213096705.txt.gz
· ostatnio zmienione: 2019/06/27 15:58 (edycja zewnętrzna)
Pokaż stronę
Poprzednie wersje
Menadżer multimediów
Do góry