====== Spam IV ======

[[courses:b4b33rph:internal:cviceni:program_po_tydnech:tyden_11|Učitelská verze stránky]]

===== Výsledky učení =====
Po tomto cvičení student
  * chápe důležitost testování modelů na nezávislých testovacích datech, aby se omezilo nebezpečí přeučení;
  * má jasnou představu o tom, jaký filtr by chtěl implementovat.

===== Program =====

  * Varování před přílišnou podobností kódů
  * Demonstrace problému přeučení
  * Hádanka
  * Konzultace problémů a práce na úloze Spam filter
  * **CÍL**: dovést všechny studenty do stavu, v němž proběhnou unit testy ke krokům 2, 3, 4 a příp. 5.


===== Přeučení =====
Představme si, že máme učicí se filtr, který funguje následovně. Při trénování si pro všechny trénovací emaily zapamatuje začátek řetězce zprávy o délce N znaků a třídu, do níž daný email patří. Při hodnocení nové zprávy spočítá, s kolika spamy a s kolika hamy se shoduje začátek nové zprávy, a zaklasifikuje zprávu podle majority. Parametr N představující délku fragmentů, které si filtr pamatuje, nám umožňuje filtr ladit.
  * Jak se chová míra kvality měřená na trénovacích a testovacích datech v závislosti na změně parametru N?
  * Jaká hodnota N je pro tento filtr a daná data optimální? Jaké hledisko vlastně použijeme k posouzení optimality?

===== Hádanka =====
Zadání hádanky bude sděleno na cvičení.


===== Konzultace =====
Řešení problémů s vašimi filtry a unit testy.
  * Neprochází-li vaše kódy přes unit testy ke krokům 2 nebo 3, rozhodně kontaktujte vyučujícího a v diskusi s ním si vyjasněte, kde je chyba a jak je třeba pokračovat!
  * Neprochází-li vaše třída ''TrainingCorpus'' přes unit test ke kroku 5 a rádi byste vypracovali filtr, který se umí učit, opět kontaktujte vyučujícího!
  * V čase zbývajícím do odevzdání byste měli pracovat už jen na vlastním filtru, všechny podpůrné třídy a funkce byste již měli mít hotové! Využijte příležitosti - vyučující je na cvičeních pro vás!


====== Domácí úkol ======
<WRAP round important>
Zanedlouho následují termíny odevzdání:
  * **2. části úlohy Spam filtr**! Postupujte podle [[..:spam:specifikace#sp-filt|specifikací]]. Termín najdete v BRUTE.
  * **3. části úlohy Spam filtr** ([[..:spam:krok7#report|reportu]] a [[..:spam:krok7#prezentace|prezentace]]). Termíny taktéž v BRUTE!
</WRAP>

===== Programování =====
  * [[..:spam:krok6|Krok 6 - vlastní filtr]]