Zadania kontrolne¶

1. Wczytać zbiór danych banana. Dokonać podziału zbioru danych na część uczącą oraz testową w sposób losowy, np. \(30\%\) dla uczenia, \(70\%\) dla testowania.
2. Dokonać uczenia klasyfikatora Bayesa na zbiorze uczącym i jego testowania na zbiorze testowym.
3. Zwizualizować na płaszczyźnie 2D wynik klasyfikacji na zbiorze testowym. Narysować obszary decyzyjne.
4. Ocenić sprawność klasyfikatora (procent poprawnych klasyfikacji).
5. Zaimplementuj klasyfikator minimalno-odległościowy.
6. (zbiór danych banana) Dokonać uczenia klasyfikatora minimalno-odległościowego na zbiorze uczącym i jego testowania na zbiorze testowym.
7. Zwizualizować na płaszczyźnie 2D wynik klasyfikacji na zbiorze testowym, zaznaczając każdą z klas innym kolorem. Na wykresie umieścić również środki klas uzyskane w procesie uczenia.
8. Ocenić sprawność klasyfikatora (procent poprawnych klasyfikacji).
9. Wczytać zbiór banana. Przetestować klasyfikator kNN dla kilku wartości parametru k i wybrać tą dla której uzyskana sprawność jest maksymalna – podać ile wynosi.
10. Dla parametru \(k\) z poprzedniego zadanie wizualizować wyniki klasyfikacji na płaszczyźnie 2D, zaznaczając każdą z klas innym kolorem.
11. Sprawdzić ile obiektów zbioru testowego zostalo błędnie zaklasyfikowanych.