Laborator 4 Algoritmi de clasificare. Vector space classification

More documents

Recommendations

Info

;index(1:k) are the first k elements of index label_neighbours = Y(neighbours); ;Y(neighbours) are the elements of Y with index equal to neighbours; l = majority(label_neighbours); ;majority(label_neighbours) is the class label occurring more times in the ;label_neighbours list. 1.4. Evaluarea algoritmilor de clasificare Algoritmii de clasificare pot fi evaluați în funcție de viteză și/sau acuratețe. Viteza unui clasificator trebuie să fie evaluată separat pentru cele două sarcini: învățarea și clasificarea noilor instanțe. Cele mai folosite criterii de evaluare sunt precizia și memorarea. Pragurile de decizie în algoritmii de clasificare pot fi modificate pentru a obține o precizie mai mare (cu un grade de memorare mai mică) sau vice-versa. Se știe că performanța clasificatorilor depinde foarte mult de împărțirea datelor în seturi de antrenare și testare. Testarea clasificatorilor pe datele de antrenare folosite pentru învățare duce la rezultate semnificativ mai bune. Problema evaluării clasificatorilor este dependentă de domeniul lor. Fiecare clasificator are un sub-domeniu particular pentru care este specializat. Pentru a depăși această problemă, sunt combinați clasificatori cu învățare multiplă pentru a obține o clasificare mai precisă. 2. Teme Implementați, testați și interpretați rezultatele pentru vector space classification, folosind ca date de intrare următoarele descrieri și fisiere de intrare : 2.1. In cadrul arhivei reuters.zip se gasesc documente in format sgml care conțin știri ale agenției Reuters. Sa se indexeze aceste documente folosind ponderea ; i este un cuvant din documentul k: ni wi , k = fi, k *log( ) , unde f , reprezintă frecvența cu care cuvântul i apare în documentul k, N este numărul total de i k documente angrenate in faza de antrenare, iar ni este numărul total de apariții ale cuvantului i în întreaga colecție. Folosind algoritmul de mai sus pentru metoda kNN de clasificare să se dezvolte o aplicație care să permită determinarea celui mai apropiat grup de documente pentru un document ce conține știri și care este specificat ca intrare. 2.2. Pentru setul de imagini binare (imagini.zip) din cadrul laboratorului 3 sa se folosească algoritmul kNN pentru a determina clasa căreia ii aparține o cifră din cadrul unei imagini de iterogare. w i , k
2.3. Pentru setul de date in format arff din cadrul arhivei hepatitis.zip sa se ruleze algoritmi de clasificare Naive Bayes si kNN (IBk) - k = 4 din cadrul Weka. Să se compare performanţele celor două clasificatoare. Să se descrie diferențele observate între cele două tipuri clasificări. 3. Bibliografie [1] Salton, Gerard. Automatic Text Processing. Addison-Wesley Publishing Company, 1988 [2] http://people.revoledu.com/kardi/tutorial/Similarity/Jaccard.html [3] http://www.daviddlewis.com/resources/testcollections/reuters21578/
Page 1 and 2: Laborator 4 Algoritmi de clasificar
Page 3: indică gradul de apartenență a d

Laborator 4 Algoritmi de clasificare. Vector space classification

Create successful ePaper yourself

Delete template?

Save as template?