shodi / pi-v Goto Github PK
View Code? Open in Web Editor NEWPI machine learning
License: MIT License
PI machine learning
License: MIT License
Pesquisar tecnologia e desenvolver interação gráfica com o usuário.
Essa matriz consiste em uma matriz N x N, sendo N a quantidade de classes, que apresenta a quantidade de elementos X classificados como Y, sendo X e Y duas classes iguais ou diferentes.
Um exemplo da matriz de confusão aparece abaixo para o conjunto de dados Iris. As linhas representam as classes corretas (esperadas) e as colunas são as que seu modelo gerou ou respondeu.
#11 Lembre-se que, para cada configuração do LVQ haverá uma tabela dessas, ou seja, uma tabela para o algoritmo para R = 1, quando R = 3, etc. O objetivo aqui é comparar qual a melhor configuração R do algoritmo.
O cross validation precisa ser transcrito para um linguagem mais performática.
A Validação Cruzada (ou também conhecido como Cross Validation) é uma técnica para avaliação de classificadores.
Para esse trabalho, considere que:
Depois da execução do LVQ, para cada raio R escolhido você deverá gerar um Mapa de Calor semelhante aos da imagem mostrada a seguir.
Para gerar um Mapa de Calor, você deve fazer o seguinte:
Você deve fazer isso para cada conjunto de dados e cada configuração R do LVQ. Portanto, para cada conjunto de dados teremos 4 mapas de calor (R = 1 até R = N).
Apresente esses mapas no relatório.
Pegar aúdios aleatórios e trata-los para adicionar ao dataset.
SUBTASKS:
VERSÕES DO ALGORITMO
Uma forma de considerar os vizinhos do neurônio vencedor seria criar um raio a partir do neurônio vencedor.
Vamos definir por N a largura (ou altura) da rede de neurônios. Deixe que o raio de vizinhos R seja parametrizável no seu algoritmo, pois precisaremos para o Cross Validation.
Assim, faremos 4 execuções para diferentes valores de R, como mostrado a seguir:
O relatório deverá ser confeccionado categorizado por:
Para cada conjunto de dados utilizado:
Veja a seção do experimento onde há detalhes sobre a matriz de confusão e outras informações.
Considerando que aplicaremos o partes do código para um ou mais algoritmos (tarefas) será necessário repensarmos em como podemos modularizar e melhor dispor a organização atual.
Os dados devem ser normalizador usando o seguinte padrão:
dado 1 | dado 2 | dado 3 | categoria |
---|---|---|---|
x11 | x12 | x13 | 0 |
x21 | x22 | x23 | 1 |
x31 | x32 | x33 | 1 |
Deve ser feito a distância euclidiana nas colunas e também a label deve ser o último.
Categoria 1 = Mulher
Categoria 2 = Homem
Acurácia = Pontos Classificados Corretamente / Total número de pontos
Um exemplo de acurácia na tabela acima temos o seguinte:
Pontos classificados corretamente = 12 + 16 + 16 = 44
Número total de pontos = 12 + 16 + 16 + 1 + 1 + 1 = 47
Acurácia = 44 / 47 = 93.62%
Como usaremos o kNN para comparação com o Learning Vector Quantization (LVQ), temos que ter certeza que ele funciona e que ambos tem a mesma condição de concorrência.
Você e sua equipe deverão elaborar um vídeo da tela explicando:
Nessa parte, você deverá utilizar um software gravador de tela. Os sistemas Windows 10 e macOS possuem softwares gravadores de tela nativos.
Acuracia
Gafico do comportamento dos dados
Etc.
A declarative, efficient, and flexible JavaScript library for building user interfaces.
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
An Open Source Machine Learning Framework for Everyone
The Web framework for perfectionists with deadlines.
A PHP framework for web artisans
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
Some thing interesting about web. New door for the world.
A server is a program made to process requests and deliver data to clients.
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
Some thing interesting about visualization, use data art
Some thing interesting about game, make everyone happy.
We are working to build community through open source technology. NB: members must have two-factor auth.
Open source projects and samples from Microsoft.
Google ❤️ Open Source for everyone.
Alibaba Open Source for everyone
Data-Driven Documents codes.
China tencent open source team.