|
|
pl:prolog:prolog_lab:learn_dtrees [2013/01/20 20:34] gjn utworzono |
pl:prolog:prolog_lab:learn_dtrees [2013/01/21 07:30] gjn |
* Zmień algorytm budujący //Decision Tree Options->Splitting functions// | * Zmień algorytm budujący //Decision Tree Options->Splitting functions// |
* Porównaj wyniki dla innych algorytmów | * Porównaj wyniki dla innych algorytmów |
| |
| ==== Klasyfikacja programów i ręczne budowanie drzewa ==== |
| * Załaduj przykład //Likes TV// |
| * Obejrzyj przykłady. |
| * Zbuduj automatycznie drzewo wybranym algorytmem i obejrzyj wyniki. |
| * Zdefiniuj przykłady testowe: //View/Edit examples// |
| * Dokonaj klasyfikacji: //Test examples// |
| * Spróbuj przenieść wybrane elementy zbioru uczącego do przykładów testowych - jak to wpływa na strukturę budowanego drzewa? |
| |
| * Następnie usuń drzewo //Reset graph// |
| * Spróbuj dokonać ręcznej konstrukcji drzewa, wybierając opcję //Split node// -> zwróć uwagę na parametry osiągane przy rozgałęzianiu z użyciem różnych atrybutów. |
| * Porównaj kilka otrzymanych drzew i to jak klasyfikuję dane, w porównaniu do tego, które jest budowane automatycznie. |
| |
| ==== Rozbudowane przykłady ==== |
| * Obejrzyj pozostałe przykłady zbiorów danych |
| * W wybranych z nich rozbuduj zbiór uczący i obserwuj wyniki. |
| * Spróbuj przenieść wybrane elementy zbioru uczącego do przykładów testowych - jak to wpływa na strukturę budowanego drzewa? |
| * Dokonaj modyfikacji wybranego przykładu |
| |
| * Wzorując się wybranym przykładem, np. //Likes TV// lub //Classification of animals// spróbuj zbudować własny używając różnego typu atrybutów, tj. boolowskich, symbolicznych i numerycznych. |
| |
| ==== DT a NN ==== |
| * Uruchom równocześnie program do budowy [[neural|sieci neuronowych]] |
| * Spróbuj załadować te same przykłady do obu programów. |
| * Porównaj klasyfikację. |
| * Spróbuj dokonać podobnych modyfikacji w zbiorach uczących i porównaj wyniki. |
| |