| engineerklub | Дата: Понедельник, 09.10.2023, 16:55 | Сообщение # 1 |
 Генералиссимус
Группа: Администраторы
Сообщений: 29644
Статус: Offline
| Интеллектуальные технологии информационной безопасности. Вариант №19
Тип работы: Работа Контрольная
Форматы файлов: Microsoft Word
Сдано в учебном заведении: СибГУТИ
Описание:
Вариант №19
Контрольная работа по методам классификации
Выбор варианта: N = 19
Вариант выборки для метода ближайших соседей определяется по формуле:
N_в=((N+13)mod11)+1=11.
Обучающая последовательность и тестовый объект:
11) (X,Y)={ (7,2,1), (8,1,1), (8,7,1), (8,2,1), (9,9,1), (6,8,1), (13,8,2), (6,1,2),(11,8,2), (4,12,3), (7,14,3), (1,8,3), (9,6,3)}: тестовый объект x’=(13,10).
Вариант весовой функции определяется по формуле:
N_вф=((N+7)mod4)+1=3.
Весовая функция:
3) — метод парзеновского окна фиксированной ширины , h=0.1.
Вариант выборки для метода построения решающего дерева определяется по формуле:
N_вд=((N*N+2)mod11)+1=1.
Используется та же обучающая последовательность и тестовый объект:
1) (X,Y)={(1,8,1), (1,3,1), (3,5,1), (1,1,1), (2,7,1), (3,8,1), (2,4,1), (8,7,2),(11,12,2), (12,14,2), (8,13,2)}: тестовый объект x’=(5,8).
------------------------------------------------------------------------------
Задание:
Построить классификатор на основе метода ближайших k соседей и определить класс тестового значения.
Построить классификатор на основе алгоритма CART построения дерева принятия решений.
СКАЧАТЬ
|
| |
| |
| engineerklub | Дата: Понедельник, 09.10.2023, 16:56 | Сообщение # 2 |
|
Генералиссимус
Группа: Администраторы
Сообщений: 29644
Статус: Offline
| Тип работы: Работа Лабораторная
Форматы файлов: Microsoft Word
Сдано в учебном заведении: СибГУТИ
Описание:
Вариант №19
Лабораторные работы 1
Варианты (вариант № 19): функции №3, выборки № 2, ядра № 3.
2. Метод парзеновского окна с фиксированным h. Используется прямоугольное ядро.
=============================================
Лабораторная работа 2. «Решающие деревья»
1 Таблицы, показывающие % точности предсказания типа атак в зависимости от изменения параметров дерева решений и леса
Таблица 1. Результаты N запусков Решающего дерева
Максимальная глубина дерева
(max_depth) Максимальное количество
листьев
(max_leaf_nodes) точность предсказания в
процентах
1 1 2 83,9%
2 5 10 93,2%
3 50 100 98,8%
4 100 200 99,0%
Таблица 2. Результаты M запусков леса
Максимальная глубина дерева
(max_depth) Максимальное количество
листьев
(max_leaf_nodes) Количество деревьев
(n_estimators) точность предсказания в
процентах
1 1 1 2 77,7%
2 5 5 10 93,4%
3 50 50 100 96,9%
4 100 100 200 99,9%
2 Параметры дерева, на которых достигается наилучшая точность предсказания
Максимальная глубина дерева (max_depth): 100
Максимальное количество листьев (max_leaf_nodes): 200
3 Параметры леса, на которых достигается наилучшая точность предсказания
Максимальная глубина дерева (max_depth): 100
Максимальное количество листьев (max_leaf_nodes): 100
Количество деревьев (n_estimators): 200
4 Листинг программы
=============================================
Лабораторная работа 3. «Регрессия»
1 Результаты работы программы
Таблица 1. Результаты 10 запусков
Номер запуска Процент правильности предсказания типа статьи
1 98.7 %
2 98.5 %
3 98.7 %
4 98.5 %
5 98.6 %
6 98.6 %
7 98.3 %
8 98.8 %
9 98.7 %
10 98.6 %
Среднее значение предсказания типа статьи исходя из 10 запусков: 98,6 %.
2 Листинг программы
СКАЧАТЬ
|
| |
| |
