[Aναγνώριση Προτύπων] 1η Εργασία 2015-2016

[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!

[Πρόγραμμα Χειμερινής Εξεταστικής 2024-2025]

Πρόγραμμα Χειμερινής Εξεταστικής 2024-2025

[Exomag]

Γιατί δεν έχουμε τα bugs για τα δεδομένα του test set? Πως θα μπορεσουμε να ελέγξουμε αν την ακρίβεια των αποτελεσμάτων?

Γιατί τα δεδομένα στο αρχείο "source-code-metrics_test.csv" δεν είναι για να τεστάρεις εσύ κάτι, είναι απλά για να εφαρμόσεις το μοντέλο σου σε αυτά τα δεδομένα και να παράγεις τα αντίστοιχα bugs, τα οποία θα παραδώσεις σε ένα .csv αρχείο. Είναι για να τεστάρουν αυτοί, δηλαδή, πόσο καλό είναι το τελικό μοντέλο που έφτιαξες.

[themis93]

Γιατί δεν έχουμε τα bugs για τα δεδομένα του test set? Πως θα μπορεσουμε να ελέγξουμε αν την ακρίβεια των αποτελεσμάτων?

Γιατί τα δεδομένα στο αρχείο "source-code-metrics_test.csv" δεν είναι για να τεστάρεις εσύ κάτι, είναι απλά για να εφαρμόσεις το μοντέλο σου σε αυτά τα δεδομένα και να παράγεις τα αντίστοιχα bugs, τα οποία θα παραδώσεις σε ένα .csv αρχείο. Είναι για να τεστάρουν αυτοί, δηλαδή, πόσο καλό είναι το τελικό μοντέλο που έφτιαξες.

ευχαριστούμε πολύ!

[Gru]

Μπορεί κάποιος να εξηγήσει τι είναι το κάθε αρχείο που έχει το Dataset?

[et3rn1ty]

Μπορεί κάποιος να εξηγήσει τι είναι το κάθε αρχείο που έχει το Dataset?

• source-code-metrics_train.csv: περιέχει τις 18(?) μετρικές που περιγράφει το dataset.pdf για 800(?) έργα λογισμικού (training examples)
  
• source-code-metrics_test.csv: τα ίδια για 198 διαφορετικά έργα λογισμικού (testing set)
  
• bugs_train.csv : περιέχει την "απάντηση" στα 800 training examples, δηλαδή το παράδειγμα της 1ης γραμμής του source-code-metrics_train.csv έχει bug αν η 1η γραμμή του bugs_train.csv είναι 1, αλλιώς δεν έχει bugs.

Απαντήσεις για το test set δεν μας δίνει. Λογικά, πρέπει να εκπαιδεύσουμε αλγορίθμους με ένα μέρος του training set και να κάνουμε cross-validation στα υπόλοιπα. Αφού βρούμε τις πιο αποτελεσματικές παραμέτρους και επιλέξουμε μοντέλα, τα εκπαιδεύουμε με ολόκληρο το training set και του τα παραδίνουμε ώστε να βγάλει το accuracy, το οποίο προέρχεται από τα source-code-metrics_test.csv ως είσοδο.

Σχόλιο: Το formatting είναι λίγο κακό. Σε python, weka και matlab (R δεν ξέρω, excell είναι οκ) τα csv χωρίζουν εγγραφές με κόμμα, και τα αρχεία έχουν semicolon. Οπότε ή κάνεις replace all με άλλο εργαλείο ή ρυθμίζεις το πρόγραμμα να χωρίζει στο ; και όχι στο ,

[Gru]

Μπορεί κάποιος να εξηγήσει τι είναι το κάθε αρχείο που έχει το Dataset?

• source-code-metrics_train.csv: περιέχει τις 18(?) μετρικές που περιγράφει το dataset.pdf για 800(?) έργα λογισμικού (training examples)
  
• source-code-metrics_test.csv: τα ίδια για 198 διαφορετικά έργα λογισμικού (testing set)
  
• bugs_train.csv : περιέχει την "απάντηση" στα 800 training examples, δηλαδή το παράδειγμα της 1ης γραμμής του source-code-metrics_train.csv έχει bug αν η 1η γραμμή του bugs_train.csv είναι 1, αλλιώς δεν έχει bugs.

Απαντήσεις για το test set δεν μας δίνει. Λογικά, πρέπει να εκπαιδεύσουμε αλγορίθμους με ένα μέρος του training set και να κάνουμε cross-validation στα υπόλοιπα. Αφού βρούμε τις πιο αποτελεσματικές παραμέτρους και επιλέξουμε μοντέλα, τα εκπαιδεύουμε με ολόκληρο το training set και του τα παραδίνουμε ώστε να βγάλει το accuracy, το οποίο προέρχεται από τα source-code-metrics_test.csv ως είσοδο.

Σχόλιο: Το formatting είναι λίγο κακό. Σε python, weka και matlab (R δεν ξέρω, excell είναι οκ) τα csv χωρίζουν γραμμές με κόμμα και τα αρχεία έχουν semicolon. Οπότε ή κάνεις replace all με άλλο εργαλείο ή ρυθμίζεις το πρόγραμμα να χωρίζει στο ; και όχι στο ,

ευχαριστωω..

[rspappas]

περιπου τι confusion matrices βγαζετε παιδια? εμεις τα καλυτερα που εχουμε καταφερει (με πινακες κοστους και fine tuning) ειναι περιπου:

620 120
60  100

θεωρειται καλο αυτο το νουμερο?

[Exomag]

περιπου τι confusion matrices βγαζετε παιδια? εμεις τα καλυτερα που εχουμε καταφερει (με πινακες κοστους και fine tuning) ειναι περιπου:

620 120
60  100

θεωρειται καλο αυτο το νουμερο?

Αφήνοντας στην άκρη τα απόλυτα νούμερα, τα ποσοστά κάπου εκεί βρήκαμε και εμείς να κυμαίνονται (με fine-tuning). Τώρα αν είναι καλά αυτά τα νούμερα, είναι άλλη υπόθεση

[pikachu93]

Το preprocessing εχει νοημα μονο για να μειωσεις τον ογκο των δεδομενων που θα επεξεργαστεις?

[Exomag]

Το preprocessing εχει νοημα μονο για να μειωσεις τον ογκο των δεδομενων που θα επεξεργαστεις?

Όχι, μπορείς να βοηθήσει και κατά τη διαδικασία του training με αποτέλεσμα να οδηγήσει σε καλύτερο μοντέλο (που θα κάνει καλύτερο classification και, επομένως, θα έχεις καλύτερα αποτελέσματα).

[Ragnar]

Παιδια η ερώτηση που έχω είναι "σχετική". Μπορεί κάποιος που έχει δουλέψει να μας πει περίπου σε πιο ποσοστό μπορούμε βάση των δεδομένων μας να οδηγηθούμε στο accuracy?

[rspappas]

το γενικό ποσοστό ως νουμερο δεν λεει και πολλα, αποσο εχω καταλαβει
δηλαδη, στα δικα μας δεδομενα, αν τα προβλεψεις ολα ως οτι δεν εχουν μπαγκς, τοτε εχεις ποσοστο επιτυχιας 79%, το οποιο ακουγεται καλο, αλλα δεν ειναι

αυτο που κοιταμε στην δικη μας ομαδα τουλαχιστον ειναι ο πινακας συγχυσης, εξεταζοντας ποσα false positives και ποσα false negatives εχουμε καθε φορα. εμεις θεωρησαμε σωστο και εστιαζουμε στο να εξαλειφθουν περισσοτερο τα false negatives (δηλαδη να προβλεψει ο αλγοριθμος οτι δεν εχουν λαθη τα αντικειμενα, ενω οντως εχουν), κατι που μπορει να προσαρμοστει σχετικα ευκολα με τους πινακες κοστους.

[απλυτος]

χρήσιμο εργαλείο για online convertion αρχείων από csv μορφή σε arff μορφή για να χρησιμοποιηθεί στο weka

[Gru]

χρησιμοποίησε κάποιος smote?

[dimi93gr]

Οι εγγραφές είναι περιπου 650 μηδέν και 150 άσσοι.
Θα δουλεψουμε με όλο το dataset  ή θα κάνουμε εξισορρόπηση όπως λέει και στην εκφώνηση π.χ με υποδειγματοληψία ή υπερδειγματοληψία ?

[Exomag]

Οι εγγραφές είναι περιπου 650 μηδέν και 150 άσσοι.
Θα δουλεψουμε με όλο το dataset  ή θα κάνουμε εξισορρόπηση όπως λέει και στην εκφώνηση π.χ με υποδειγματοληψία ή υπερδειγματοληψία ?

Όπως θες γενικά, δεν υπάρχει μία σωστή λύση. Ότι σου βγάζει καλύτερα αποτελέσματα.

Όταν λες υπερδειγματοληψία, τι φάση;