1Zadania Klasyﬁkacja

(1)

Klasyfikacja

Marcin Orchel

1 Zadania

1.1 Zadania na 3.0

Napisać skrypt w Matlabie, w którym:

• dokonać klasyfikacji trzema wybranymi metodami w tym drzewami decyzyjnymi losowych zbiorów wygenerowanych z dwóch normalnych rozkładów prawdopodo- bieństwa dla danych dwuwymiarowych

• przetestować klasyfikację dla różnych wartości macierzy kowariancji

• wyświetlić na jednym wykresie punkty, granice decyzyjne (w tym granicę decyzyjną dla drzew decyzyjnych) i dwie funkcje gęstości prawdopodobieństwa

• wyświetlać na konsoli szybkość znalezienia rozwiązania i jakość mierzoną za po- mocą średniego błędu klasyfikacji

• przeanalizować wartość klasyfikacji dla wybranych punktów testowych na podsta- wie wyświetlonego drzewa decyzyjnego

• Dodać komentarz do skryptu opisujący krótko na czym polegają użyte metody oraz wnioski z badań.

Wskazówki:

• do generacji funkcji gęstości prawdopodobieństwa i danych użyć mvnpdf, http://

www.mathworks.com/help/stats/mvnpdf.htmli mvnrnd,http://www.mathworks.

com/help/stats/mvnrnd.html

• do klasyfikacji użyć funkcji classify, http://www.mathworks.com/help/stats/

classify.html

• do klasyfikacji drzewami decyzyjnymi można użyć funkcji classregtree, http://

www.mathworks.com/help/stats/classregtree.html

1

(2)

1.2 Zadania na 4.0

Napisać skrypt w Matlabie, w którym:

• dokonać klasyfikacji trzeba wybranymi metodami w tym drzewami decyzyjnymi losowych zbiorów wygenerowanych z dwóch normalnych rozkładów prawdopodo- bieństwa dla danych trójwymiarowych

• przetestować klasyfikację dla różnych wartości macierzy kowariancji

• wyświetlić na jednym wykresie punkty, granicę decyzyjną i wybrane iso-powierzchnie funkcji gęstości prawd.

• wyświetlać na konsoli szybkość znalezienia rozwiązania i jakość RMSE

1.3 Zadania na 5.0

• Dokonać klasyfikacji dla dwóch wybranych zbiorów danych dla klasyfikacji np. z UCI Machine Learning Repository lub StatLib - DataSets Archive

2