[Aναγνώριση Προτύπων] 2η Εργασία 2014-2015

[Thmmy.gr portal]

  Thmmy.gr portal
   Forum
   Downloads
   Ενεργ. Λογαριασμού
   Επικοινωνία
  
  Χρήσιμα links
   Σελίδα τμήματος
   Βιβλιοθήκη Τμήματος
   Elearning
   Φοιτητικά fora
   Πρόγραμμα Λέσχης
   Πρακτική Άσκηση
   Ηλεκτρονική Εξυπηρέτηση Φοιτητών
   Διανομή Συγγραμμάτων
   Ψηφιακό Καταθετήριο Διπλωματικών
   Πληροφορίες Καθηγητών
   Instagram @thmmy.gr
   mTHMMY
  
  Φοιτητικές Ομάδες
   ACM
   Aristurtle
   ART
   ASAT
   BEAM
   BEST Thessaloniki
   EESTEC LC Thessaloniki
   EΜΒ Auth
   IAESTE Thessaloniki
   IEEE φοιτητικό παράρτημα ΑΠΘ
   SpaceDot
   VROOM
   Panther
  

THMMY.gr Web

Helios_MultiScribbles2SMF Default ThemeSMFone_Blue

[Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads]

Είσαι πρωτοετής;... Καλώς ήρθες! Μπορείς να βρεις πληροφορίες εδώ. Βοήθεια για τους καινούργιους μέσω χάρτη.

Κατεβάστε εδώ το Android Application για εύκολη πρόσβαση στο forum.

Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads με προσοχή στα ονόματα των αρχείων!

Για ανανέωση (ή προσθήκη νέου) avatar, πρέπει η μεγαλύτερη διάσταση της εικόνας να είναι 110 pixels.

[Solaufein]

Τα κριτήρια είναι αυτά που αναφέρει ο Συμεωνίδης στο 5ο βήμα στο pdf του. Cohersion,separation κτλ κτλ, στο WEKA δεν ξέρω αν υπάρχουν αυτούσια, για matlab πάντως είπε πως μπορείς να χρησιμοποιήσεις αλγορίθμους 3ων για να τα βγάλεις.

[Cr0ne]

Κριτήρια αξιολόγησης 2ης Εργασίας

8 Ιαν 2015 1:40 μμ
Συμεωνίδης

Μπορείτε να βρείτε το κείμενο αξιολόγησης εδώ.
Υπενθυμίζω ότι η επιθεώρηση του παραδοτέου πρέπει να παραδοθεί μέχρι την Δευτέρα, 12/1.

[teslaaaa]

Κριτήρια αξιολόγησης 2ης Εργασίας

8 Ιαν 2015 1:40 μμ
Συμεωνίδης

Μπορείτε να βρείτε το κείμενο αξιολόγησης εδώ.
Υπενθυμίζω ότι η επιθεώρηση του παραδοτέου πρέπει να παραδοθεί μέχρι την Δευτέρα, 12/1.

υπάρχει κάποιος που πρόλαβε να το κατεβάσει στο πισί του προτού πέσει το ετημμυ και προτίθεται να το ανεβάσει κ εδώ?

[LoCo]

Καλημέρα

Μπορεί κάποιος να λύσει την εξής απορία?

Στις ομαδοποιήσεις που κάνουμε, είναι σωστό να λάβουμε υπόψιν το χρόνο? Κάνοντάς το, το πρόβλημα είναι ότι η ομαδοποίηση βασίζεται κατά κύριο λόγο στο χρόνο. Συνεπώς υπάρχει η ανησυχία ότι έτσι είναι σα να "κλέβουμε" στο clustering, διότι οι ομάδες προκύπτουν αρκετά διακριτές βάση του χρόνου.
Π.χ. σε ένα διάγραμμα κατανάλωσης-χρόνου με K-means στο Matlab, οι ομάδες διαχωρίζονται σχεδόν κάθετα.

Ευχαριστώ για κάθε input!

[Δον]

Καλημέρα

Μπορεί κάποιος να λύσει την εξής απορία?

Στις ομαδοποιήσεις που κάνουμε, είναι σωστό να λάβουμε υπόψιν το χρόνο? Κάνοντάς το, το πρόβλημα είναι ότι η ομαδοποίηση βασίζεται κατά κύριο λόγο στο χρόνο. Συνεπώς υπάρχει η ανησυχία ότι έτσι είναι σα να "κλέβουμε" στο clustering, διότι οι ομάδες προκύπτουν αρκετά διακριτές βάση του χρόνου.
Π.χ. σε ένα διάγραμμα κατανάλωσης-χρόνου με K-means στο Matlab, οι ομάδες διαχωρίζονται σχεδόν κάθετα.

Ευχαριστώ για κάθε input!

Διαχωρίζονται σχεδόν κάθετα, αλλά η ομαδοποίηση πέτυχε εάν και τα οριζόντια επίπεδα είναι διακριτά.

Αν πχ έχεις ένα διάγραμμα με τον οριζόντιο άξονα να απεικονίζει τον χρόνο και τον κατακόρυφο να απεικονίζει πχ την active power:
     |   x x
     | x  x    x
     |   x xx
     | x         ο     ο
     |            o o o o oo
     |            o  o   o o o
     |_ _ _ _ _ _ _ _ _ _ _ <---- Καλή ομαδοποίηση


     |   x x
     | x  x        ο o
     |   x xx    ο   ο
     | x             ο
     |            o o o o
     |             o   o o o
     |_ _ _ _ _ _ _ _ _ _ _ <---- Κακή ομαδοποίηση.

Όπως βλέπεις και στο πρώτο και στο δεύτερο διάγραμμα οι ομάδες χωρίζονται κάθετα.
Στο πρώτο η ομαδοποίηση είναι καλή γιατί σου λέει "Εκείνες τις ώρες υψηλή κατανάλωση, τις άλλες ώρες χαμηλή κατανάλωση".
Στο δεύτερο διάγραμμα όμως η ομαδοποίηση δεν είναι λογική. Έχεις δυο ομάδες βάσει του χρόνου αλλά δεν μπορείς να δώσεις φυσική ερμηνεία.

[LoCo]

Καλημέρα

Μπορεί κάποιος να λύσει την εξής απορία?

Στις ομαδοποιήσεις που κάνουμε, είναι σωστό να λάβουμε υπόψιν το χρόνο? Κάνοντάς το, το πρόβλημα είναι ότι η ομαδοποίηση βασίζεται κατά κύριο λόγο στο χρόνο. Συνεπώς υπάρχει η ανησυχία ότι έτσι είναι σα να "κλέβουμε" στο clustering, διότι οι ομάδες προκύπτουν αρκετά διακριτές βάση του χρόνου.
Π.χ. σε ένα διάγραμμα κατανάλωσης-χρόνου με K-means στο Matlab, οι ομάδες διαχωρίζονται σχεδόν κάθετα.

Ευχαριστώ για κάθε input!

Διαχωρίζονται σχεδόν κάθετα, αλλά η ομαδοποίηση πέτυχε εάν και τα οριζόντια επίπεδα είναι διακριτά.

Αν πχ έχεις ένα διάγραμμα με τον οριζόντιο άξονα να απεικονίζει τον χρόνο και τον κατακόρυφο να απεικονίζει πχ την active power:
     |   x x
     | x  x    x
     |   x xx
     | x         ο     ο
     |            o o o o oo
     |            o  o   o o o
     |_ _ _ _ _ _ _ _ _ _ _ <---- Καλή ομαδοποίηση


     |   x x
     | x  x        ο o
     |   x xx    ο   ο
     | x             ο
     |            o o o o
     |             o   o o o
     |_ _ _ _ _ _ _ _ _ _ _ <---- Κακή ομαδοποίηση.

Όπως βλέπεις και στο πρώτο και στο δεύτερο διάγραμμα οι ομάδες χωρίζονται κάθετα.
Στο πρώτο η ομαδοποίηση είναι καλή γιατί σου λέει "Εκείνες τις ώρες υψηλή κατανάλωση, τις άλλες ώρες χαμηλή κατανάλωση".
Στο δεύτερο διάγραμμα όμως η ομαδοποίηση δεν είναι λογική. Έχεις δυο ομάδες βάσει του χρόνου αλλά δεν μπορείς να δώσεις φυσική ερμηνεία.

Thnx για την απάντηση. Αυτό που καταλαβαίνω είναι οτί εσύ παίρνεις υπόψη το χρόνο και συνυπολογίζεται στον αλγόριθμο ομαδοποιησης. Confirmed?

Γενικά σύμφωνοι, όμως τα συγκεκριμένα δεδομένα δεν έχουν τέτοια κατανομή:
     |   ο ο
     | ο  ο    ο
     |   ο οο
     | ο            ο     ο
     |             o o o o oo
     |           o  o   o o o
     |_ _ _ _ _ _ _ _ _ _ _

αλλά περισσότερο τέτοια:
     |   ο ο
     | ο  ο        ο o
     |   ο ο    ο   ο
     | ο    ο         ο
     |   ο  ο       o o o o
     |     ο       o   o o o
     |_ _ _ _ _ _ _ _ _ _ _

[Δον]

...

Thnx για την απάντηση. Αυτό που καταλαβαίνω είναι οτί εσύ παίρνεις υπόψη το χρόνο και συνυπολογίζεται στον αλγόριθμο ομαδοποιησης. Confirmed?

Γενικά σύμφωνοι, όμως τα συγκεκριμένα δεδομένα δεν έχουν τέτοια κατανομή:
     |   ο ο
     | ο  ο    ο
     |   ο οο
     | ο            ο     ο
     |             o o o o oo
     |           o  o   o o o
     |_ _ _ _ _ _ _ _ _ _ _

αλλά περισσότερο τέτοια:
     |   ο ο
     | ο  ο        ο o
     |   ο ο    ο   ο
     | ο    ο         ο
     |   ο  ο       o o o o
     |     ο       o   o o o
     |_ _ _ _ _ _ _ _ _ _ _

Το αρχικό dataset όντως έχει τέτοια κατανομή.
Σε μια συζήτηση που είχαμε με τον Συμεόν, ανέφερε πως μπορούμε να κάνουμε οποιαδήποτε επεξεργασία στα δεδομένα μπορούμε να δικαιολογήσουμε λογικά. Οπότε κάνεις όοοο,τι γουστάρεις στο αρχικό dataset.
Αν το επεξεργαστείς κατάλληλα ( αν πχ βγάλεις μέσους όρους, maxes, mins κλπ ) μπορείς να το φέρεις σε ό,τι μορφή γουστάρεις.
Για του λόγου το αληθές αν πάρεις πχ τη μέση κατανάλωση κατά τη διάρκεια της μέρας, τις "κρύες" μέρες βγαίνει κάτι τέτοιο:
( μέση active power)
     |                                               o
     |                                          o
     |                                       o       o
     |                  o                  o
     |              o       o            o
     |             o          o        o
     |                            o    ο
     |          o                   ο
     |  o  o
     |_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ ( ώρες της μέρας )

Μια καλή ομαδοποίηση θα μποούσε να είναι :

     |                                               Δ
     |                                          Δ (Δ)
     |                                        Δ       Δ
     |                 x        (x)       x
     |              x       x            x
     |             x          x         
     |                            o    ο
     |          o                   ο
     |  o  o            (ο)
     |_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ ( ώρες της μέρας )

Σε παρένθεση τα κέντρα των clusters. Και κάθετη και οριζόντια "τέλεια" κατάτμηση.