10.Megfigyelésen alapuló tanulás Flashcards
(5 cards)
Mi az a hipotézis függvény és mit jelent, amikor a modellünk konzisztens?
A hipotézis függvény egy matematikai leképezés, amit a modell tanul meg:
ℎ(x) = y
h = hipotézis fgv
x = bemeneti jellemzők
y = modell becslése
Konzisztens ha:
Nagy elemszámú tanítóhalmaz esetén a tanult hipotézis h egyre jobban közelíti a valódi célfüggvényt f-et
Hogyan definiálhatjuk a döntési fát? (bemenete, kimenete, paraméterei)
Bemenete: attribútumokkal (lehet dirszkrét vagy folytonos) leírt objektum
Kimente: egy döntés
-diszkrét osztályozás
-folytonos: regresszió
paraméterei
—-NEEDS WORK—-
Hogyan konstruálhatjuk meg a döntési fánkat?
- Válasszuk ki a legjobb attribútumot a pozitív és negatív példák szétosztására
2-ha minden példa pozitív/negatív a válasz igen/nem
3-Nem maradt példa valamelyik válaszhoz - a válasz a szülőcsomópontban többségi válasz
4.Ha nincs tesztelendő attribútum
-a pozitív és negatív példák nem választhatóak szét
-zajos adat vagy nem determinisztikus problématér
-többségi szavazás
Írja le hogy mit jelent az információ nyereség és hogyan használhatjuk a döntési fa felépítéséhez
Azt méri hogy egy adott jellemző alapján történő osztás mennyire jól választja szét az osztályokat
Azt az attribútumot választjuk, amely a legnagyobb információnyereséget adja – ez fog a csomópont feltétele lenni.
Az adathalmazt az adott attribútum szerint szétosztjuk.
Írja le, hogyan és milyen módszerekkel lehet kiértékelni egy betanított modell pontosságát.
Egyszerű pontosság (Accuracy)
Azon esetek aránya, amikor a modell helyes választ adott:
Pontosság = helyes jóslat/ összes
Hipotézis minőségének becslése:
1.Gyüjtsünk egy nagy példahalmazt
2.osszuk két diszjunkt halmazra (tanító és teszt)
3. alkalmazzuk a tanító algoritmust a tanító halmazon és generáljunkk egy h hipotézist
4. mérjük meg a teszt halmazon hogy a h hipotézis a teszthalmaz hány százalékára ad helyes osztályba sorolást
