Artificial Intelligence - هوش مصنوعی - نمايش پست تنها

hamid293 · ۱۱-۶-۱۳۹۱, ۰۱:۴۵ بعد از ظهر

کسی میتونه به این سوالات روی این UCI Machine Learning Repository: Census Income Data Set data set جواب بده؟

1. نمونه ها را بصورت تصادفي به 10 مجموعه مساوي ولي غير تکراري تقسيم کنيد .بازاي هر يک از 9 مجموعه حاصل يک درخت تصميم ايجاد کرده و از مجموعه دهم براي تست استفاده کنيد. نموداري از خطاهاي حاصل را رسم کرده و نتيجه را بحث کنيد.
2. عملکرد درخت را بر اساس تغيير تعداد نمونه¬هاي آموزشي به صورت نمودار رسم کنيد.(منحني يادگيري)
3. نتيجه را براي درخت هاي هرس شده و هرس نشده مقايسه کنيد. همچنين اختلاف اندازه هاي درخت هرس شده و نشده را مشخص کنيد.
4. براي انتخاب ويژگي مناسب براي هر گره علاوه بر روش استفاده از نسبت بهره (Gain Ratio) که به صورت پيش فرض در الگوريتم J48 در Weka استفاده مي شود، روش¬هاي زير را نيز پياده¬سازي کنيد:
• تصادفي Random که در آن يکي از ويژگي ها بصورت تصادفي انتخاب مي¬شوند.
• بهره اطلاعات (Information Gain)
5. با انتخاب تعداد ثابتي مثال يادگيري، برنامه را با استفاده از معيار تصادفي، بهره اطلاعات و نسبت بهره بر روي يک مجموعه داده اجرا کرده و نتيجه را مقايسه کنيد. براي معيار تصادفي هيستوگرام سايز درخت توليد شده را براي 20 بار تکرار آزمايش رسم کنيد.

۱۱-۶-۱۳۹۱, ۰۱:۴۵ بعد از ظهر	#32 (لینک دائم)
hamid293 عضو جدید تاريخ عضويت: آذر ۱۳۹۰ پست ها: 5 تشكرها: 0 0 تشكر در 0 پست	کسی میتونه به این سوالات روی این UCI Machine Learning Repository: Census Income Data Set data set جواب بده؟ 1. نمونه ها را بصورت تصادفي به 10 مجموعه مساوي ولي غير تکراري تقسيم کنيد .بازاي هر يک از 9 مجموعه حاصل يک درخت تصميم ايجاد کرده و از مجموعه دهم براي تست استفاده کنيد. نموداري از خطاهاي حاصل را رسم کرده و نتيجه را بحث کنيد. 2. عملکرد درخت را بر اساس تغيير تعداد نمونه¬هاي آموزشي به صورت نمودار رسم کنيد.(منحني يادگيري) 3. نتيجه را براي درخت هاي هرس شده و هرس نشده مقايسه کنيد. همچنين اختلاف اندازه هاي درخت هرس شده و نشده را مشخص کنيد. 4. براي انتخاب ويژگي مناسب براي هر گره علاوه بر روش استفاده از نسبت بهره (Gain Ratio) که به صورت پيش فرض در الگوريتم J48 در Weka استفاده مي شود، روش¬هاي زير را نيز پياده¬سازي کنيد: • تصادفي Random که در آن يکي از ويژگي ها بصورت تصادفي انتخاب مي¬شوند. • بهره اطلاعات (Information Gain) 5. با انتخاب تعداد ثابتي مثال يادگيري، برنامه را با استفاده از معيار تصادفي، بهره اطلاعات و نسبت بهره بر روي يک مجموعه داده اجرا کرده و نتيجه را مقايسه کنيد. براي معيار تصادفي هيستوگرام سايز درخت توليد شده را براي 20 بار تکرار آزمايش رسم کنيد.