ZMSIwEiZ/LS
From WikiZMSI
Spis treści |
Laboratoria nr 1 --- Zapoznanie z programem WEKA
Na zajęciach wykorzystywany będzie program: Weka 3: Data Mining Software in Java.
Zadanie domowe
Opisać następujące miary jakości klasyfikatora:
- Kappa statistic (Współczynnik Kappa)
- Mean absolute error ( średni błąd bezwzględny)
- Root mean squared error (pierwiastek z błędu średniokwadratowego)
- Relative absolute error
- TP Rate
- FP Rate
- Precision
- Recall
- ROC Area
- Confusion Matrix (macierz pomyłek)
Laboratoria nr 2 --- Praca ze zbiorem danych "credit approval"
- Instrukcja w formacie pdf: instrukcja_lab2.pdf
Zagadnienia na wejściówkę
- Jak radzić sobie z szumem w danych?
- Jak postępuje się z brakującymi wartościami atrybutów?
- Jakie czynności zalicza się do transformacji danych?
- Na czym polega normalizacja?
- Co to jest dyskretyzacja?
- Co to jest i po co stosuje się wybór atrybutów istotnych?
- Co to jest outlier?
Laboratoria nr 3 --- Klasyfikacja na przykładzie "credit approval"
- Instrukcja w formacie pdf: instrukcja_lab3.pdf
Laboratoria nr 4 --- Systemy ekspertowe
Celem laboratorium jest opracowanie i zakodowanie systemu ekspertowego z użyciem prostego shella. Na zajęciach wykorzystane zostanie narzędzie eXpertise2Go. Jest to narzędzie (edukacyjne) pozwalające w prosty sposób stworzyć aplikację webową zawierającą applet z działającym systemem doradczym.
Kolejne zadania do wykonania:
- Zapoznać się z modułami samouczka Jak zbudować swój własny system ekspertowy z użyciem e2gLite. Najważniejszy 4.
- Wymyślić pewien problem decyzyjny, dla którego opracowane zostaną reguły decyzyjne. Tematyka dowolna. System powinien zawierać więcej niż 5 reguł. Walorem pracy będzie wykorzystanie współczynników CF.
- Wprowadzić reguły zgodnie z zasadami dla e2gLite i zapisać w pliku tekstowym z rozszerzeniem .kb. Dla dużej tablicy decyzyjnej można wykorzystać narzędzie do tworzenia reguł z tablicy decyzyjnej e2gRuleWriter
- Utworzyć stronę www z dwoma apletami jeden w trybie normalnym drugi w trybie debug dla opracowanej bazy wiedzy.
Wyniki należy przesłać w spakowanym archiwum (zip) zawierającym pliki strony i bazy wiedzy (bez e2gLite.jar) o nazwie imie_nazwisko.zip. Na stronie www ma być podpis autora. Mail z wynikami należy wysłać na adres prowadzącego i zatytułować Zadanie ZMSIwEIZ.
Pytania na wejściówkę:
- Co to jest system ekspertowy?
- Schemat systemu ekspertowego (jakie zawiera komponenty).
- Jaką postać ma reguła (podać jej przykład).
- Co to jest expert system shell?
- Na czym polega procedura wnioskowania w przód?
- Na czym polega procedura wnioskowania wstecz?
Laboratoria nr 5 --- Prosty sysytem rozmyty
- Instrukcja do zajęć.
Tematy:
- Etapy działania systemu rozmytego: rozmywanie (fuzyfikacja), wnioskowanie (inferencja), ostrzenie (defuzyfikacja)
- Metody ostrzenia
Ocena z laboratoriów
Na ocenę końcową wpływać będzie:
- punktacja z wejściówek,
- punkty za sprawozdania i zadania domowe.
ad 1. Zajęcia laboratoryjne mogą rozpocząć się wejściówką. Zakres materiału będzie podawany z przynajmniej dwutygodniowym wyprzedzeniem w niniejszym serwisie.
Na sprawdzianie padną co najwyżej trzy pytania. Za każdą odpowiedź autor może uzyskać od 0 pkt (brak odpowiedzi lub odpowiedź nieprawidłowa) do 1 pkt (odpowiedź w pełni poprawna), co pozwala zgromadzić maksymalnie do 3 pkt za jedną wejściówkę.
Jeżeli student jest nieobecny na zajęciach i nie uczestniczy w równoważnych laboratoriach z inną grupą, nie może odrabiać samej wejściówki. Wszelkie zaległości będzie można odrobić po zakończeniu kursu i wcześniejszym omówieniu sytuacji z prowadzącym kurs.
ad 2. Sprawozdania/zadania domowe będą oceniane w skali od 0 do 1 pomnożone przez wagę sprawozdania, która zostanie z góry ustalona.
Punkty zebrane przez studenta z wejściówek i sprawozdań zostaną zsumowane i podzielone przez maksymalną liczbę punktów z wejściówek i sprawozdań. Powstały odsetek będzie wskazywał na ocenę zgodnie z poniższą listą:
- < 0 - 0.6 ) : niedostateczny
- < 0.6 - 0.68 ): dostateczny
- < 0.68 - 0.76 ): dostateczny plus
- < 0.76 - 0.84 ): dobry
- < 0.84 - 0.92 ): dobry plus
- < 0.92 - 1 >: bardzo dobry