סביבות פיתוח 2022

הפיצולים בשכבות באלגוריתם IFN נבדקים במבחן כי בריבוע. שינוי רמת המובהקות יכול לגרום לבחירה שונה של פיצולים ולשנות את המודל.

Attribute הוא הערך הדיפולטי, ניתן להגדיר תפקיד על תוכנה עמו ID (מס' מזהה), Label (קטגוריילי), Real (מס')

Attribute היא לא התשובה הנכונה אלא Real. RapidMiner היא תוכנה מפורסמת בעולם הדאטה סיינס. כאשר מגדירים role יש אפשרות ל-label, id, weight. id הוא מזהה ייחודי Attribute היא תכונה רגילה Label הוא משתנה היעד שיש לחזות Real הוא לא תפקיד אלא Type

כאשר הקלט הוא מינוס 2 הפלט הוא 0, כאשר הקלט הוא פלוס 2 הפלט הוא 2 ולכן 0+2=2

פונקציית ReLU היא max(0,x) ולכן אם הקלט היה מינוס 2 הפלט היה 0. כעת יהיה פלוס 2 לכן הקלט הוא 2. נקבל פלוס 2.

כמות החלוקות האפשיות זה קיי בחזקת אן ולכן 2 בחזקת 5 שווה 35, כאשר קיי זה מספר האשכולות ואן זה מספר התצפיות

חלוקה לאינטרוולים זוהי משימה שנועדה להפחית את הרעש, כלומר להקטין את שונות הנתונים

מדד זה מתייחס גם לגודל הקבוצה ובכך הוא מטפל בבעיה על ידי חישוב. חלוקה של Gain ratio/log2(num of records)

אינפורמציה הדדית מקסימלית כאשר אנטורפיה מותנת היא 0 ולכן log2(100)=6.64

קיימים 100 ערכים אפשריים לכאורה לציון ממוצע באוניברסיטה. כמו כן, אינפורמציה הדדית מקסימלית כאשר האנטרופיה המותנית היא 0. כלומר אנחנו יודעים את הציון הממוצע באוניברסיטה(X) אם יש לנו את ציון הפסיכומטרי(Y) ולכן H(X|Y) הוא אפס. MI(X, Y) = H(X) - H(X|Y) לכן האינפורמציה ההדדית תהיה שווה לH(X) ובהנחה שההסתברות שווה לכולם אז לוג 2 של 100 זה 6.64.

K-cross validation בעצם בודק K folds בהם יהיה אפשר לחלק בצורה הכי טובה את הדאטהסט לנתוני אימון ונתוני בדיקה

חיזוי מועמד זוהי משימת סיווג classification בעוד שחיזוי נועד למציאת משתנה מספרי

זיהוי כתב יד הוא משימה של סיווג מכיוון שהיא כוללת סיווג או תיוג של קלט בכתב יד (תמונות של תווים או מילים) למחלקות או קטגוריות מוגדרות מראש, כגון אותיות, ספרות או מילים ספציפיות. המטרה היא להקצות את תווית הכיתה הנכונה לקלט בהתבסס על המאפיינים החזותיים שלו, מה שהופך אותו לדוגמא קלאסית לבעיית סיווג בלמידת מכונה.