CourseWare Wiki
Switch Term
Summer 2023 / 2024
Summer 2022 / 2023
Summer 2021 / 2022
Summer 2020 / 2021
Summer 2019 / 2020
Summer 2018 / 2019
Summer 2017 / 2018
Older
Search
Log In
b232
courses
b3b33kui
cviceni
program_po_tydnech
tyden_13
Differences
This shows you the differences between two versions of the page.
View differences:
Side by Side
Inline
Go
Link to this comparison view
Go
Go
courses:b3b33kui:cviceni:program_po_tydnech:tyden_13 [2018/05/23 12:24]
courses:b3b33kui:cviceni:program_po_tydnech:tyden_13 [2023/05/26 08:28]
(current)
Line 1:
Line 1:
+
====== 13 Učení klasifikátorů II ======
+
Náplní tohoto cvičení je pokračování v metodách klasifikace v případě neznámého pravděpodobnostního modelu dat. Budeme se věnovat lineárnímu klasifikátoru.
+
+
/*
+
* kvíz (počty chlapců a dívek)
+
++++ Zadání |
+
Ve třídě je dvakrát více chlapců než dívek. Dvě osoby jsou náhodně vybrány. Pravděpodobnost, že jsou vybrány přesně dvě dívky je 0.1. Kolik chlapců/dívek je ve třídě?
+
++++
+
*/
+
* semestrální úlohy - dotazy
+
* dotazy k předmětu
+
+
+
+
===== Kvíz - rekapitulace =====
+
* průřez celým semestrem
+
/** příklad I: testování na COVID-19
+
* příklad II: nebezpečí přeučení klasifikátorů*/
+
* bez bodového hodnocení
+
+
/*
+
* prezentace {{ :courses:b3b33kui:cviceni:program_po_tydnech:classifiers2.pdf |Classifiers2.pdf}}
+
*/
+
+
/*
+
==== Lineární klasifikátor - příklad ====
+
Další možností jak se vyhnout odhadování a reprezentaci pravděpodobností, je konstruovat přímo diskriminační funkce ve tvaru:
+
+
$$g_s(\vec{x})=\vec{w}_s^{\top}\vec{x}+b_s$$
+
+
kde $\vec{w}_s$ je vektor vah a skalár $b_s$ je posunutí na ose y . Objekt $\vec{x}$ je zařazen do takové třídy $s$, jejíž hodnota diskriminační funkce $g_s(\vec{x})$ je vyšší než všech ostatních tříd. Úloha učení klasifikátoru se pak mění na optimalizační úlohu, kde hledáme takové parametry lineárních diskriminačních funkcí, které minimalizují nějaké kritérium, např. počet chybných rozhodnutí na trénovací multimnožině.
+
+
+
Lze pro trénovací multimnožinu na obrázku 1 dosáhnout lineárním klasifikátorem nulové trénovací chyby? Pokud ano, nakreslete, jak může vypadat rozdělení příznakového prostoru lineárním klasifikátorem tak, aby byla nulová trénovací chyba.
+
+
{{:courses:be5b33kui:labs:machine_learning:02_03_04_obr1.png?800|Training multiset for a 2D feature space with 4 classes.}}
+
+
+
+
Obrázek 1: //Trénovací multimnožina v příznakovém prostoru dimenze 2 a pro 4 třídy.//
+
*/
+
courses/b3b33kui/cviceni/program_po_tydnech/tyden_13.txt
· Last modified: 2023/05/26 08:28 by
kostkja2