Warning
This page is located in archive. Go to the latest version of this course pages. Go the latest version of this page.

12 Učení klasifikátorů I

V tomto cvičení se budeme zabývat metodami klasifikace pro případ, že neznáme pravděpodobnostní model dat. Zvláště se budeme věnovat porovnávání naučených klasifikátorů.

  • kvíz I - bonus
  • kvíz II - klasifikátory
  • semestrální úloha - dotazy (zvláště k druhé části ML úlohy)

Kvíz I - lineární klasifikátor

  • tradiční kvíz, tentokrát na lineární klasifikátor

Kvíz II - klasifikátory

  • vysvětlení na příkladech
  • příklad I: lineární klasifikace
  • příklad II: přeučení klasifikátoru
  • bez bodového hodnocení

Lineární klasifikace

Uvažujme problém klasifikace do dvou tříd a dvoudimenzionální prostor příznaků ${\bf x} = [x_1, x_2]^T$. Pro jednotlivé třídy máme následující data:

  • $+$: $\{[-1, 3]^T,[2, 2]^T,[4, 5]^T\}$
  • $\circ$: $\{[2, -1]^T,[4, 2]^T,[5, 2]^T\}$

Zkuste odpovědět na následující otázky:

  • Jsou data lineárně separovatelná?
  • Kolik existuje lineárních rozhodovacích hranic s nulovou chybou?
  • Zkuste vymyslet diskriminační funkci, která bude klasifikovat data bezchybně podle znaménka výsledku. Diskriminační funkci uvažujte lineární (afinní) ve tvaru: $f({\bf x}) = {\bf w}^T {\bf x} + w_0$ a rozhodujete se pro třídu podle $s = \rm{sign}(f({\bf x}))$.
  • Nyní zkuste vymyslet pro každou třídu vlastní diskriminační funkci tak, aby se rozhodovalo podle $s^∗ = \arg \max_{s\in S} f_s({\bf x})$. Diskriminační funkce uvažujte i nadále lineární ve tvaru $f({\bf x}) = {\bf w}^T {\bf x} + w_0$.
  • Co kdybychom mezi trénovací příklady třídy $\circ$ přidali bod $[-3,0]^T$. Lze nyní (nějak) data bezchybně klasifikovat? Jak?

Přeučení klasifikátoru

Co to je a proč je to problém? Diskuze nad příklady.

Samostatná práce

courses/b3b33kui/cviceni/program_po_tydnech/tyden_12.txt · Last modified: 2023/05/17 11:01 by kostkja2