====== 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 [[https://cw.fel.cvut.cz/wiki/courses/b3b33kui/cviceni/strojove_uceni_vyber/start|ML úlohy]])


===== Kvíz I - lineární klasifikátor =====
  * tradiční kvíz, tentokrát na lineární klasifikátor

/*
  * bodovaný, bonusových 0.5bodu
  * řešení odevzdat do BRUTE do úlohy **lab12quiz**, do půlnoci dne, kdy běží dané cvičení
  * formát: textový soubor, fotka řešení na papíře, pdf - co Vám nejlépe vyhovuje a dokážeme to přečíst
  * správné řešení prodiskutujeme na příštím cvičení
*/
/*
==== Zadání kvíz I ====
  * p. 101, St 12:45: {{ :courses:b3b33kui:cviceni:program_po_tydnech:20210505-131902_linearclassification_cv101.pdf | cv101}}
  * p. 102, St 14:30: {{ :courses:b3b33kui:cviceni:program_po_tydnech:20210505-132058_linearclassification_cv102.pdf | cv102}}
  * p. 103, Čt 12:45: {{ :courses:b3b33kui:cviceni:program_po_tydnech:linearclassification_p103_cz.pdf |cv103}}
  * p. 104, Čt 14:30: {{ :courses:b3b33kui:cviceni:program_po_tydnech:linearclassification_104.pdf |cv104}}
  * p. 105, Pá 9:15: {{ :courses:b3b33kui:cviceni:program_po_tydnech:linearclassification_p105_cz.pdf |cv105}}
*/

===== 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?


> {{page>courses:b3b33kui:internal:quizzes#Lineární klasifikace - řešení&noheader}}

==== Přeučení klasifikátoru ====
Co to je a proč je to problém? Diskuze nad příklady.

===== Samostatná práce =====
  * pracovat na úlohách [[courses:b3b33kui:semestralni_ulohy:5_ml:start|Strojové učení]], [[courses:b3b33kui:semestralni_ulohy:6_ml_vyber:start|Strojové učení: výběr klasifikátoru]]