[Aσαφή συστήματα] Εργασίες

[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!

[Αντιστοίχηση Μαθημάτων ΝΠΣ με ΠΠΣ]

Επίσημη ενημέρωση για Αντιστοίχηση Μαθημάτων ΝΠΣ με ΠΠΣ και η συζήτηση στο forum.

[Solarian]

Έκανες κανονικό ποίηση στα δεδομένα ή τα άφησες όπως ήταν? ]

Έκανα στα δεδομένα εισόδου μόνο, όπως κάνει και στη συνάρτηση split_scale.m που ανέβασε στο elearning. Βέβαια δεν ξέρω κατά πόσο η όποια κανονικοποιήση ευθύνεται για το χαμηλό R2 που βγάζεις.

[mermaid]

Στο πρώτο μέρος της 3ης εργασίας χρειάζεται να πειράξουμε άλλες παραμέτρους εκτός από τις εποχές; Θα δώσει καλύτερο αποτέλεσμα ή δεν χρειάζεται;

Και επίσης στο δεύτερο μέρος της 3ης εργασίας έχω κατεβάσει το Superconductivty dataset αλλά είναι σε μορφή .zip, όχι .dat, με δυο αρχεία excel μέσα, γνωρίζει κανείς πώς μπορώ να το περάσω στο ματλαμπ;

[allstarabey]

Στο πρώτο μέρος της 3ης εργασίας χρειάζεται να πειράξουμε άλλες παραμέτρους εκτός από τις εποχές; Θα δώσει καλύτερο αποτέλεσμα ή δεν χρειάζεται;

οχι δεν χρειαζεται, η κανονικοποιηση σε μενα επαιξε το πιο ουσιαστικο ρολο και εδωσε τη μεγαλυτερη διαφορα
Κυριως στοχευσα στη παραμετρο R^2 γενικα να ειναι κοντα στον 1

Και επίσης στο δεύτερο μέρος της 3ης εργασίας έχω κατεβάσει το Superconductivty dataset αλλά είναι σε μορφή .zip, όχι .dat, με δυο αρχεία excel μέσα, γνωρίζει κανείς πώς μπορώ να το περάσω στο ματλαμπ;

data = csvread('train.csv',1,0);

[mermaid]

οχι δεν χρειαζεται, η κανονικοποιηση σε μενα επαιξε το πιο ουσιαστικο ρολο και εδωσε τη μεγαλυτερη διαφορα
Κυριως στοχευσα στη παραμετρο R^2 γενικα να ειναι κοντα στον 1

data = csvread('train.csv',1,0);

ευχαριστω! αρα χρησιμοποιουμε μονο το train, οχι το αλλο. Για το R^2 γιατι να είναι κοντά στο 1; εφοσον ειναι σφάλμα δεν θέλουμε να το ελαχιστοποιήσουμε;

[allstarabey]

ευχαριστω! αρα χρησιμοποιουμε μονο το train, οχι το αλλο. Για το R^2 γιατι να είναι κοντά στο 1; εφοσον ειναι σφάλμα δεν θέλουμε να το ελαχιστοποιήσουμε;

''R2 is a statistic that will give some information about the goodness of fit of a model. In regression, the R2 coefficient of determination is a statistical measure of how well the regression predictions approximate the real data points. An R2 of 1 indicates that the regression predictions perfectly fit the data.

Values of R2 outside the range 0 to 1 can occur when the model fits the data worse than a horizontal hyperplane. This would occur when the wrong model was chosen, or nonsensical constraints were applied by mistake. If equation 1 of Kvålseth[10] is used (this is the equation used most often), R2 can be less than zero. If equation 2 of Kvålseth is used, R2 can be greater than one.''

[mermaid]

''R2 is a statistic that will give some information about the goodness of fit of a model. In regression, the R2 coefficient of determination is a statistical measure of how well the regression predictions approximate the real data points. An R2 of 1 indicates that the regression predictions perfectly fit the data.

Values of R2 outside the range 0 to 1 can occur when the model fits the data worse than a horizontal hyperplane. This would occur when the wrong model was chosen, or nonsensical constraints were applied by mistake. If equation 1 of Kvålseth[10] is used (this is the equation used most often), R2 can be less than zero. If equation 2 of Kvålseth is used, R2 can be greater than one.''

Να σαι καλα! 

[allstarabey]

εχει ασχοληθει κανεις με τη φετινη εργασια 4?
τι εννοει με την μεθοδο class depedent ,επειδη δε εχει νοημα να κανουμε ενα fis για να βρισκει μονο ενα Label

επισης γενικα αν καταλαβε ποιες ειναι οι περιπτωσεις μοντελων που θα φτιαξουμε γιατι αρκετα πιο μπερδεμενο σε σχεση με την 3

[The Senate]

εχει ασχοληθει κανεις με τη φετινη εργασια 4?
τι εννοει με την μεθοδο class depedent ,επειδη δε εχει νοημα να κανουμε ενα fis για να βρισκει μονο ενα Label

επισης γενικα αν καταλαβε ποιες ειναι οι περιπτωσεις μοντελων που θα φτιαξουμε γιατι αρκετα πιο μπερδεμενο σε σχεση με την 3

Δες το παράδειγμα TSK_Classification που έχει ανέβει στο elearning, κάνει ακριβώς αυτό που ζητάει. Τα 4 μοντέλα είναι 2 class dependent και 2 class independent με λίγους/πολλούς κανόνες εναλλάξ.

Στην ίδια εργασία, έχει καταλάβει κανείς τι ακριβώς είναι αυτό που ρωτάει στο τελευταίο ερώτημα για τα συμπεράσματα σχετικά με την επικάλυψη των cluster ?

[mermaid]

είναι λογικό να βγάζω R^2 ~ 0.95 στο δεύτερο μέρος της 3ης εργασίας ή μου ξεφεύγει κατι; και αν  ναι, εχει κανείς καμια ιδέα για το που μπορει να εχω κανει λαθος;

[allstarabey]

είναι λογικό να βγάζω R^2 ~ 0.95 στο δεύτερο μέρος της 3ης εργασίας ή μου ξεφεύγει κατι; και αν  ναι, εχει κανείς καμια ιδέα για το που μπορει να εχω κανει λαθος;

εγω στο πρωτο μερος εβγαλα 0.99
και στο δευτερο μερος εβγαλα 0.98

[mermaid]

εγω στο πρωτο μερος εβγαλα 0.99
και στο δευτερο μερος εβγαλα 0.98

οκει ωραια, ευχαριστω allstarabey! 

[allstarabey]

Στην εργσια 4 βγαζω περιπου και στα 4 μοντελα accuracy overall 0.72-0.76 και κ = 0,22 το μεγιστο

Ποσο βγαζετε περιπου?

ενώ στο σφάλμα περιπου 1.2

Code:

error(i) = sum((output - valid_data(:, end)) .^ 2);
       
cvError = sum(error) / c.NumTestSets; 

error_grid(f, r) = cvError / length(output); 

[Numb3rs]

Το βέλτιστο μοντέλο που θα βρούμε με  Grid search στο classification, θα το εκπαιδεύσουμε ως class dependent αν καταλαβαίνω καλά στο τέλος της εκφωνησσης (σελίδα 7);  Όπως δηλαδή στο παράδειγμα στο e-learning
%% ANFIS - Scatter Partition - Clustering Per Class (Larger Dataset Example)

[mermaid]

Στην εργσια 4 βγαζω περιπου και στα 4 μοντελα accuracy overall 0.72-0.76 και κ = 0,22 το μεγιστο

Ποσο βγαζετε περιπου?

ενώ στο σφάλμα περιπου 1.2

Code:

error(i) = sum((output - valid_data(:, end)) .^ 2);
       
cvError = sum(error) / c.NumTestSets; 

error_grid(f, r) = cvError / length(output); 

Στα 3 μοντέλα τα ΟΑ και k βγαίνουν και σε εμένα εκεί γύρω. Σφάλμα ποιο εννοείς;

Στο 4ο μοντέλο (Class depended με πολλούς κανόνες) έχω ένα error σχετικά με τα memberships.. είχε καποιος άλλος το ίδιο πρόβλημα; Ακολούθησα το TSK_Classification

edit: τώρα προσεξα τον κωδικα,  δεν το εχω υπολογισει αυτο

[allstarabey]

Στα 3 μοντέλα τα ΟΑ και k βγαίνουν και σε εμένα εκεί γύρω. Σφάλμα ποιο εννοείς;

Στο 4ο μοντέλο (Class depended με πολλούς κανόνες) έχω ένα error σχετικά με τα memberships.. είχε καποιος άλλος το ίδιο πρόβλημα; Ακολούθησα το TSK_Classification

edit: τώρα προσεξα τον κωδικα,  δεν το εχω υπολογισει αυτο

ποσο περιπου σου βγαινει το σφαλμα για να βρεις το καλυτερο συνδυσμο ra και αριθμο χαρακτηριστικων?

τι σφαλμα εχεις στο 4ο μοντελο ρε?