User: Mikolaj Morzy

Uczenie z macierza kosztow (1)

• Download

Przeplyw pokazuje wykorzystanie operatora MetaCost, umozliwiajacego wprowadzenie macierzy kosztow do procesu uczenia klasyfikatora na przykladzie naiwnego klasyfikatora Bayesa.

Created: 2011-05-25 | Last updated: 2014-03-23

Wykorzystanie klasyfikatora binarnego do k... (1)

• Download

Wiele klasyfikatorów (np. SVM) pozwala na klasyfikacjÄ™ jedynie w przypadku gdy zmienna celu jest binarna. Poniższy przepÅ‚yw pokazuje, w jaki sposób operator Polynomial By Binomial Classificaiton pozwala agregować odpowiedzi klasyfikatorów binarnych dla przypadków, w których zmienna celu zawiera wiele różnych wartoÅ›ci.

Created: 2011-05-25 | Last updated: 2011-05-25

Prosty przykład metody Voting (1)

• Download

Ten prosty przykład ilustruje wykorzystanie operatora Voting do przeprowadzenia głosowania większościowego. W zagnieżdżonym operatorze umieszczono przykładowe trzy modele bazowe (drzewo decyzyjne, sieć neuronowa, SVN), odpowiedź z operatora Voting to zwykłe głosowanie.

Created: 2011-05-25 | Last updated: 2011-05-25

Przykład metody Stacking (1)

• Download

Poniższy przepÅ‚yw pokazuje wykorzystanie operatora Stacking do tworzenia meta-klasyfikatorów. Operator Stacking pozwala na zagnieżdżenie dowolnej liczby modeli bazowych, które bÄ™dÄ… równolegle uczone na zbiorze uczÄ…cym. Drugim operatorem zagnieżdżonym jest model klasyfikatora, który uczy siÄ™ na odpowiedziach modeli bazowych (czyli buduje model modeli odpowiedzi). W przykÅ‚adzie jako modele bazowe wykorzystano: drzewo decyzyjne, algorytm k-NN, sieć neurono...

Created: 2011-05-25 | Last updated: 2011-05-25

Prosty przykład algorytmu AdaBoost (1)

• Download

Przepływ obrazuje przykład wykorzystania algorytmu AdaBoost. W kolejnych teracjach metoda modyfikuje przykłady ze zbioru uczącego, przypisując większą wagę przykładom błędnie sklasyfikowanym we wcześniejszych iteracjach.

Created: 2011-05-25 | Last updated: 2011-05-25

Przyklad metody Bagging (1)

• Download

Proces pokazuje przykÅ‚ad wykorzystania metody Bagging do tworzenia zlożonych klasyfikatorów. Metoda generuje 10 niezależnych modeli drzewa decyzyjnego (każdy na podstawie 90% próbki zbioru uczÄ…cego). Ostateczna odpowiedź jest wynikiem gÅ‚osowania.

Created: 2011-05-25 | Last updated: 2011-05-25

Algorytm EM (1)

• Download

Proces pokazuje przypadek wykorzystania algorytmu analizy skupien dzialajacego wedlug zasady expectation maximization (EM), czyli dopasowywania rozkladow do obserwowanego zbioru danych.

Created: 2011-05-11 | Last updated: 2013-08-19

Algorytm DBScan (1)

• Download

Przeplyw ilustruje sposob wykorzystania algorytmu DBScan do znalezienia modelu skupien. Algorytm DBScan jest przykladem algorytmu bazujacego na gestosci, parametr epsilon wskazuje na promien sasiedztwa, a parametr min points wskazuje na minimalna liczbe punktow, jakie musza sie znalezc w sasiedztwie punktu aby kontynuowac rozrastanie sie skupienia.

Created: 2011-05-11 | Last updated: 2013-08-19

Wybor parametru k dla algorytmu k-Means (1)

• Download

Proces pokazuje, w jaki sposob mozna eksperymentalnie dobrac wlasciwe wartosci parametru k (liczba poszukiwanych skupien) dla algorytmow k-Means i k-Medoids. Jako miary oceny podzialu wykorzystano srednia odleglosc od centroidu oraz indeks Daviesa-Bouldina

Created: 2011-05-11 | Last updated: 2013-08-19

Wybor poczatkowego podzialu dla algorytmu ... (1)

• Download

Proces pokazuje, w jaki sposob mozna zautomatyzowac proces znajdowania najlepszego poczatkowego wyboru centroidow uniezalezniajac sie (do pewnego stopnia) od wplywu losowania.

Created: 2011-05-11 | Last updated: 2013-08-19

Algorytmy k-Means i k-Medoids (1)

• Download

Przeplyw pokazuje zastosowanie algorytmow k-Means i k-Medoids do przeprowadzenia analizy skupien. Analizie podlega zbiór danych Iris, przy czym oryginalne dane zostaly przetransformowane z przestrzeni 4-wymiarowej do przestrzeni 2-wymiarowej za pomoca operatora Singular Value Decomposition. Redukcja liczby wymiarow ma na celu uproszczenie wizualizacji wynikowych modeli.

Created: 2011-05-11 | Last updated: 2013-08-19

Porownanie krzywych ROC (1)

• Download

No description

Created: 2011-04-26 | Last updated: 2011-04-26

Wykres krzywej ROC (1)

• Download

No description

Created: 2011-04-26

Wykres krzywej Lift (1)

• Download

No description

Created: 2011-04-26

Prosty klasyfikator SVM (1)

• Download

No description

Created: 2011-04-26

Algorytmy indukcji drzew decyzyjnych (Deci... (1)

• Download

No description

Created: 2011-04-20

Algorytmy indukcji drzew decyzyjnych (ID3 ... (1)

• Download

No description

Created: 2011-04-20

Algorytm indukcji drzew decyzyjnych (Decis... (1)

• Download

No description

Created: 2011-04-20

Indukcja drzew decyzyjnych (Random Forest) (1)

• Download

No description

Created: 2011-04-20

Naiwny klasyfikator Bayesa (atrybuty numer... (1)

• Download

No description

Created: 2011-04-13

Naiwny klasyfikator Bayesa (atrybuty numer... (1)

• Download

No description

Created: 2011-04-12

Naiwny klasyfikator Bayesa (atr. nominalne) (1)

• Download

No description

Created: 2011-04-12

Odkrywanie regul asocjacyjnych za pomoca a... (1)

• Download

Workflow pokazuje sposób wykorzystania operatorow Apriori i PredictiveApriori (z narzedzia Weka) do odkrywania regul‚ asocjacyjnych. Operator Set Role zostal wykorzystany do tego, aby atrybut Play (który w oryginale jest zmienna celu) byl potraktowany jak zwyczajny atrybut.

Created: 2011-03-31 | Last updated: 2013-05-30

Odkrywanie reguł asocjacyjnych za pomocą... (1)

• Download

Proces pokazuje wykorzystanie algorytmu FP-Growth do odkrywania reguÅ‚ asocjacyjnych. Należy zwrócić uwagÄ™ na to, że implementacja algorytmu FP-Growth akceptuje jedynie atrybuty binominalne, zatem zachodzi konieczność zamiany wszystkich atrybutów numerycznych i nominalnych na binominalne.

Created: 2011-03-30 | Last updated: 2011-03-30

Wybór atrybutów na podsatwie algorytmu z... (1)

• Download

Workflow pokazuje użycie algorytmu zachÅ‚annego do wyboru cech. Algorytm może wykonywać zarówno wyboru progresywnego (forward selection) jak i selekcji wstecznej (backward selection). Do oceny jakoÅ›ci rozwiÄ…zania algorytm wykorzystuje klasyfikator k-najbliższych sÄ…siadów i 10-krotnÄ… walidacjÄ™ krzyżowÄ….

Created: 2011-03-23 | Last updated: 2011-03-23

Wybór atrybutów na podstawie algorytmu g... (1)

• Download

Workflow przedstawia wykorzystanie algorytmu genetycznego do znalezienia optymalnego zbioru atrybutów. Wybór atrybutów odbywa siÄ™ na podstawie sprawdzenia jakoÅ›ci klasyfikacji. Wykorzystanym klasyfikatorem jest algorytm k-najbliższych sÄ…siadów, zbiór danych jest dzielony na zbiór uczÄ…cy i zbiór testujÄ…cy w proporcji 70%-30%. WyjÅ›ciowy algorytm genetyczny wykorzystuje populacje o rozmiarze 10, ograniczajÄ…c liczbÄ™ pokoleÅ„ do 30.

Created: 2011-03-23 | Last updated: 2011-03-23