Workflows

Algorytm EM (1)

• Download

Proces pokazuje przypadek wykorzystania algorytmu analizy skupien dzialajacego wedlug zasady expectation maximization (EM), czyli dopasowywania rozkladow do obserwowanego zbioru danych.

Created: 2011-05-11 | Last updated: 2013-08-19

Przyklad metody Bagging (1)

• Download

Proces pokazuje przykÅ‚ad wykorzystania metody Bagging do tworzenia zlożonych klasyfikatorów. Metoda generuje 10 niezależnych modeli drzewa decyzyjnego (każdy na podstawie 90% próbki zbioru uczÄ…cego). Ostateczna odpowiedź jest wynikiem gÅ‚osowania.

Created: 2011-05-25 | Last updated: 2011-05-25

Prosty przykład algorytmu AdaBoost (1)

• Download

Przepływ obrazuje przykład wykorzystania algorytmu AdaBoost. W kolejnych teracjach metoda modyfikuje przykłady ze zbioru uczącego, przypisując większą wagę przykładom błędnie sklasyfikowanym we wcześniejszych iteracjach.

Created: 2011-05-25 | Last updated: 2011-05-25

Prosty przykład metody Voting (1)

• Download

Ten prosty przykład ilustruje wykorzystanie operatora Voting do przeprowadzenia głosowania większościowego. W zagnieżdżonym operatorze umieszczono przykładowe trzy modele bazowe (drzewo decyzyjne, sieć neuronowa, SVN), odpowiedź z operatora Voting to zwykłe głosowanie.

Created: 2011-05-25 | Last updated: 2011-05-25

Wykorzystanie klasyfikatora binarnego do k... (1)

• Download

Wiele klasyfikatorów (np. SVM) pozwala na klasyfikacjÄ™ jedynie w przypadku gdy zmienna celu jest binarna. Poniższy przepÅ‚yw pokazuje, w jaki sposób operator Polynomial By Binomial Classificaiton pozwala agregować odpowiedzi klasyfikatorów binarnych dla przypadków, w których zmienna celu zawiera wiele różnych wartoÅ›ci.

Created: 2011-05-25 | Last updated: 2011-05-25

Uczenie z macierza kosztow (1)

• Download

Przeplyw pokazuje wykorzystanie operatora MetaCost, umozliwiajacego wprowadzenie macierzy kosztow do procesu uczenia klasyfikatora na przykladzie naiwnego klasyfikatora Bayesa.

Created: 2011-05-25 | Last updated: 2014-03-23