[Αναγνώριση Προτύπων] Παλιά Θέματα/Ασκήσεις - Σχολιασμός και Απορίες

[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!

[ονόματα των αρχείων]

Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads

με προσοχή στα ονόματα των αρχείων!

[paul_booz]

Γράφω την τελική απάντηση που είναι η σωστή για όποιον ενδιαφέρεται. Όπως μου τα είπε ο Μιχάλης σε email.

Τα δεδομένα που δίνονται είναι το αποτέλεσμα της εκπαίδευσης και όχι τα ίδια τα δεδομένα εκπαίδευσης!! Άρα δεν μπορείς να τα χρησιμοποιήσεις για να κάνεις train έναν classifier όπως βλέπω από τον κώδικά σου.

Ουσιαστικά τα δεδομένου που σας δίνω είναι οι εκ των υστέρων πιθανότητες και άρα απ' ευθείας (χωρίς να εκπαιδεύσεις άλλο μοντέλο) μπορείς να τις χρησιμοποιήσεις για να βρεις την roc καμπύλη με τον παρακάτω κώδικα:
            > pred_m1 = prediction(P_M1, Class, label.ordering = c("0","1"))
            > roc_m1 = performance(pred_m1, "tpr", "fpr")

Ξέρεις πως μπορούμε να υπολογίσουμε το confusion matrix του m1 σε αυτήν την περίπτωση;

[windwaker]

Ξέρει κανείς πως υπολογίζουμε το ερώτημα με το Threshold και το F-measure στο τρίτο quiz;

[laplacianee]

Ξέρει κανείς πως υπολογίζουμε το ερώτημα με το Threshold και το F-measure στο τρίτο quiz;

ο τύπος για το f-measure είναι στην 10η διαφάνεια από το lecture 3
για το πως να χρησιμοποιήσεις το threshold δες το παράδειγμα στις διαφάνειες 18-19

[Μπιγκόνια]

Ξέρει κανείς πως υπολογίζουμε το ερώτημα με το Threshold και το F-measure στο τρίτο quiz;

μπορείς να δεις στο cutoffs που έχει το 0,5 καλό είναι νομίζω να πάρεις την πιο πάνω τιμή
αλλιώς θα μπορούσες να κάνεις εσύ το prediction που θα κάνει με πχ
pred = ifelse(data$P_M1 > thresshold, "θετική κλάση" , "αρνητική κλάση")
 cm = as.matrix(table(Actual = data%Class, Predicted = pred))

και θα έχεις TP FP FN TN και μετά μόνος συ τον τύπο

αλλιώς από το pred_obj μπορείς να πάρεις τις τιμές κοιτώντας το αμέσως μεγαλύτερο

[windwaker]

Ευχαριστώ πολύ παιδιά! 

[Argirios]

Προσπαθώ να βρω τα GINI index για το δεύτερο quiz και μου βγάζει "Error in `[.default`(freq, "Male", "Yes") : subscript out of bounds", ξέρει κανείς τι παίζει να κάνω λάθος?
το σκρίπτ μου είναι αυτό

people=read.csv("quiz2.txt")
library(rpart)
library(rpart.plot)
model<-rpart(Insurance~.,method="class",data=people,minsplit=1)
absfreq=table(people[,c(1,2)])
freq=prop.table(absfreq,1)
freqSum=rowSums(prop.table(absfreq))
GINI_Male=1-freq["Male","Yes"]^2-freq["Male","No"]^2

[Μπιγκόνια]

Προσπαθώ να βρω τα GINI index για το δεύτερο quiz και μου βγάζει "Error in `[.default`(freq, "Male", "Yes") : subscript out of bounds", ξέρει κανείς τι παίζει να κάνω λάθος?
το σκρίπτ μου είναι αυτό

Αρχικά σίγουρα έχεις Male και Female στο txt και όχι M και F? δηλαδή GINI_Male=1-freq["M","Yes"]^2-freq["M","No"]^2

Το λάθος είναι στο absfreq, θέλεις να έχεις την κατηγορία που ελέγχεις και την απάντηση που περιμένεις άρα absfreq=table(people[,c(2,5)])

[Argirios]

Αρχικά σίγουρα έχεις Male και Female στο txt και όχι M και F? δηλαδή GINI_Male=1-freq["M","Yes"]^2-freq["M","No"]^2

Το λάθος είναι στο absfreq, θέλεις να έχεις την κατηγορία που ελέγχεις και την απάντηση που περιμένεις άρα absfreq=table(people[,c(2,5)])

και τα δυο λάθος τα είχα

[georgopk]

μπορείς να δεις στο cutoffs που έχει το 0,5 καλό είναι νομίζω να πάρεις την πιο πάνω τιμή
αλλιώς θα μπορούσες να κάνεις εσύ το prediction που θα κάνει με πχ
pred = ifelse(data$P_M1 > thresshold, "θετική κλάση" , "αρνητική κλάση")
 cm = as.matrix(table(Actual = data%Class, Predicted = pred))

και θα έχεις TP FP FN TN και μετά μόνος συ τον τύπο

αλλιώς από το pred_obj μπορείς να πάρεις τις τιμές κοιτώντας το αμέσως μεγαλύτερο

Χμμ.... δεν το πολυκατάλαβα το παραπάνω.

Έψαξα λίγο τι παίζει με τη συνάρτηση performance() και νομίζω οτι βρήκα τρόπο να πάρω το f-measure από εκεί.
Ουσιαστικά μας το δίνει η εντολή
 performance(pred_m2,"f")

> performance(pred_m2,"f")
An object of class "performance"
Slot "x.name":
[1] "Cutoff"

Slot "y.name":
[1] "Precision-Recall F measure"

Slot "alpha.name":
[1] "none"

Slot "x.values":
[[1]]
 [1]  Inf 0.68 0.61 0.45 0.38 0.31 0.09 0.05 0.04 0.03 0.01


Slot "y.values":
[[1]]
 [1]       NaN 0.0000000 0.2857143 0.5000000 0.4444444 0.4000000 0.5454545 0.5000000 0.4615385 0.5714286
[11] 0.6666667


Slot "alpha.values":
list()

αφού έχουμε threshold 0.5, βρίσκουμε τον αμέσως μεγαλύτερο αριθμό στα x.values (εδώ 0.61), ο οποίος βρίσκεται στην 3η θέση. (1-> Inf,  2->0.68,  3->0.61, ... )
Μετά πάμε στα y.values και βλέπουμε το τρίτο νούμερο. που εδώ είναι το 0.2857....
(1-> NaN,  2->0.0000,  3->0.2857.....)


Αν βλέπετε κάτι λάθος ή υπάρχει πιο εύκολος τρόπος, ενημερώστε παρακαλώ!! 

[whatevah]

Για όποια/ον κάνει το quiz 4
Η ερώτηση 2 :
"Ποια η πιθανότητα το τάδε σημείο να ανήκει στην κλάση "2" "
'εχει λάθος
Αυτό που θέλει να πει είναι 
"Ποια η πιθανότητα το τάδε σημείο να ανήκει στην κλάση "1" "

[TheoProt]

Στις σημειώσεις του εργαστηρίου 2 ο υπολογισμός της εντροπίας γίνεται χρησιμοποιώντας λογάριθμο με βάση το 2 (όπως και στις διαλέξεις της θεωρίας) ενώ στο βιβλίο τους υπολογίζουν την εντροπία χρησιμοποιώντας λογάριθμο με βάση το 10. Στην πρόοδο εμείς θα χρησιμοποιήσουμε λογάριθμο με βάση 2 αν ζητήθει ; Γνωρίζει κάποιος κάτι παραπάνω ;

[yolanda]

Το θυμαμαι που τονισε στο εργαστηριο οτι η βαση ειναι το 2

[feugatos_#]

Για όποια/ον κάνει το quiz 4
Η ερώτηση 2 :
"Ποια η πιθανότητα το τάδε σημείο να ανήκει στην κλάση "2" "
'εχει λάθος
Αυτό που θέλει να πει είναι 
"Ποια η πιθανότητα το τάδε σημείο να ανήκει στην κλάση "1" "

Νομίζω καλά το ζητάει, απλά αντί για το Α(1,8, 4) εννοεί το Α(1.8, 4)

[elenkani]

Παιδιά μπορεί  να ανεβάσει κάποιος τον κώδικα για το quiz 3. Συγκεκριμένα βρίσκω ένα πρόβλημα για το threshold. Πώς το βάζω και γενικά πώς απαντώ στο τρίτο ερώτημα;

[georgopk]

Παιδιά δοκιμάζω να τρέξω τις εντολές απο τα PDF του εργαστηρίου και το RStudio δε βρίσκει τη βιβλιοθήκη για τα ANN. 
Είχε κανείς το ίδιο πρόβλημα; 
Ξέρει κανείς τη λύση; 


Παραθέτω κώδικα με το πρόβλημα:

> library(neuralnet)
Error in library(neuralnet) : there is no package called ‘neuralnet’

> model = neuralnet(Y ~ X1 + X2, anndata2 , hiden =0, thresshold = 0.000001)
Error in neuralnet(Y ~ X1 + X2, anndata2, hiden = 0, thresshold = 1e-06) :
  could not find function "neuralnet"