Zadania kontrolne¶
Wczytać zbiór banana i dokonać jego losowego podziału na część uczącą, testową i walidacyjną. Przeprowadzić procedurę walidacji klasyfikatora kNN. Podać błąd i sprawność klasyfikatora.
Wczytać zbiór banana i dokonać jego losowego podziału na część uczącą, testową i walidacyjną. Przeprowadzić procedurę walidacji klasyfikatora kNN. Podać zwrot i precyję klasyfikatora.
Wczytać zbiór banana i dokonać jego losowego podziału na część uczącą i testową. Przeprowadzić procedurę walidacji klasyfikatora Bayesa. Podać wartość miary \(F_1\).
Wczytać zbiór banana i dokonać jego losowego podziału na część uczącą i testową. Przeprowadzić procedurę walidacji klasyfikatora Bayesa. Sprawdzić wartość miary \(F_{\gamma}\) dla różnych wartości parametru \(\gamma\).
Pobrać zbiór Diabetic ze strony
https://archive.ics.uci.edu/ml/datasets/Diabetic+Retinopathy+Debrecen+Data+Set
Wczytać zbiór Diabetic i dokonać jego losowego podziału na część uczącą, testową i walidacyjną. Przeprowadzić procedurę walidacji liniowego klasyfikatora SVM. Wyświetlić raport podstawowych miar błędu klasyfikacji.
Wczytać zbiór Diabetic i dokonać jego losowego podziału na część uczącą, testową i walidacyjną. Na zbiorze walidacyjnym dobrać odpowiednie parametry klasyfikatora SVM z jądrem Gaussa. Dla wybranych parametrów przeprowadzić procedurę testowania klasyfikatora oraz wyświetlić raport podstawowych miar błędu klasyfikacji.
Dla zbioru Diabetic i klasyfikatroa SVM z jądrem Gaussa o parametrach jak w poprzednim zadaniu wyznaczyć średni błąd klasyfikacji metodami k-krotnej walidacji krzyżowej i jackknife.
Dla zbioru banana dokonać estymacji błędu klasyfikatora Bayesa za pomocą metod k-krotnej walidacji krzyżowej i jackknife (dla 1000 iteracji).
Dla zbioru banana dokonać estymacji błędu klasyfikatora kNN za pomocą metod k-krotnej walidacji krzyżowej i jackknife (dla 1000 iteracji). Jako parametr \(k\) klasyfikatora przyjąć pierwiastek z liczby próbek.
Dla zbioru Diabetic dokonać estymacji błędu liniowego klasyfikatora SVM dla parametru \(C=1\) za pomocą metod k-krotnej walidacji krzyżowej i jackknife (dla 1000 iteracji).