[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!

[Admins]

Για αλλαγή του public name σας, επικοινωνήστε με έναν από τους Admins.

[Μαύρη Μάμπα]

Στο 2ο Κουίζ, δεν μπορω να καταλαβω την πρωτη ερωτηση που λεει το  GINI Index για το συνολο των δειγματων, τι θελει ακριβως ; Να τα βρουμε ολα και να του πουμε το μικροτερο ;

[Μπιγκόνια]

Στο 2ο Κουίζ, δεν μπορω να καταλαβω την πρωτη ερωτηση που λεει το  GINI Index για το συνολο των δειγματων, τι θελει ακριβως ; Να τα βρουμε ολα και να του πουμε το μικροτερο ;

όχι, εννοεί στο σύνολο των δειγμάτων και όχι για ένα feuature μόνο. Άρα Gini = 1 - probability(Class = NO)^2 - probability(Class = Yes)^2

[_init]

Συγκεντρωμένες λύσεις στα quiz, για όποιον ενδιαφέρεται: link

Με κάθε επιφύλαξη! Για τυχόν λάθη γράψτε εδώ ή ινμποξ.

[bianconero]

Μπορεί καποιος/α να ανεβασει σημειωσεις απο το παραδειγμα που ελυσε στην τελευταια διαλεξη ο Συμεωνίδης?

[Frenzyx]

Συγκεντρωμένες λύσεις στα quiz, για όποιον ενδιαφέρεται: link

Με κάθε επιφύλαξη! Για τυχόν λάθη γράψτε εδώ ή ινμποξ.

Πολυ καλη δουλεια φιλε μου, μπραβο!

[arg_13]

Δεν ειμαι 100% σίγουρος αλλά νομίζω οτι στην neuralnet το hidden αναφέρεται στους νευρώνες του κάθε hidden layer . Δηλαδή για ενα έχεις 1 hidden layer με 2 nodes βαζεις απλα hidden = 2. βάζοντας c(1,2) λες οτι θα εχεις δυο hidden layers με 1 node το πρωτο layer και 2 το δεύτερο.
Φιλική παρατήρηση

sent from mTHMMY 

[_init]

Δεν ειμαι 100% σίγουρος αλλά νομίζω οτι στην neuralnet το hidden αναφέρεται στους νευρώνες του κάθε hidden layer . Δηλαδή για ενα έχεις 1 hidden layer με 2 nodes βαζεις απλα hidden = 2. βάζοντας c(1,2) λες οτι θα εχεις δυο hidden layers με 1 node το πρωτο layer και 2 το δεύτερο.
Φιλική παρατήρηση

sent from mTHMMY 

ισχύει. έτσι ακριβώς όπως το λες είναι.
ευχαριστώ για την παρατήρηση. το διόρθωσα.

[Professor]

Στο εργαστηριο ειπε το παιδι κατι σχετικα με τις βιβλιοθηκες. Να προσεχουμε στην εξεταση ποια περναμε τελευταια για καποιο λογο που δε σημειωσα και δε θυμαμαι. Θυμαται κανεις κατι παραπανω(η εστω κατι )

[_init]

Στο εργαστηριο ειπε το παιδι κατι σχετικα με τις βιβλιοθηκες. Να προσεχουμε στην εξεταση ποια περναμε τελευταια για καποιο λογο που δε σημειωσα και δε θυμαμαι. Θυμαται κανεις κατι παραπανω(η εστω κατι )

Αυτό που είπε είναι ότι κάποιες βιβλιοθήκες έχουν συναρτήσεις με το ίδιο όνομα.
Οπότε, αν τις έχει φορτώσει και τις δυο θα διαλέξει η R τυχαία, αν θυμάμαι καλά.
Αν θες να τρέξεις μια συνάρτηση και να σιγουρέψεις οτι ειναι απο τη βιβλιοθήκη που θες η σύνταξη είναι library::function.
Επίσης, εκεί που βγαίνουν τα plots έχει ένα tab libraries και μπορείς να τικαρεις ποιες βιβλιοθήκες θέλεις να είναι ενεργοποιήμενες ή όχι.

[ankat]

Στο quiz για pca στην τελευταία ερώτηση πώς κρίνουμε πόσα principal components να πάρουμε με βάση το accuracy?

[_init]

Στο quiz για pca στην τελευταία ερώτηση πώς κρίνουμε πόσα principal components να πάρουμε με βάση το accuracy?

δες στις λύσεις που έχω ανεβάσει λίγο πιο πάνω.

[ankat]

δες στις λύσεις που έχω ανεβάσει λίγο πιο πάνω.

θενξ σορρυ τωρα το ειδα

[jaime]

 Στο pdf του εργαστηρίου για dbscan και hierarchical clustering στο 5.2  Επιλογή Παραμέτρου epsilon με βάση το kNN-distance plot αντιγράφω ότι γράφει το pdf αλλά μου βγάζει error : Error in sort(kdist) : object 'kdist' not found. Ξέρεις κανείς τι παίζει?

[mprizou]

Η εντολή knndist = kNNdist(mdata, k = 10) βρίσκει την αποσταση μονο απο τον 10ο γειτονα για καθε σημειο και οχι απο τους 10 κοντινοτερους, επομενως η εντολη kdist = knndist[, 10] ειναι περιττή.

[chasiotis]

Στο elearning πως ανεβάζουμε το history της r. Και τέλος αν βγαίνει αρνητικό το κέρδος που γίνετε το λάθος ;