Административна информация
| Дял | Дървета за вземане на решения |
| Продължителност | 2 x 45 минути |
| Модул | А |
| Вид на урока | Практичен |
| Фокус | Практическо — моделиране на ИИ |
| Тема | Анализ на данни |
Ключови думи
Генериране на набори от данни, монтаж, сложност на модела,
Учебни цели
- научете основите на дърветата за вземане на решения
Очаквана подготовка
Обучение на събития, които трябва да бъдат завършени преди
Задължително за студентите
- Лекция: Изготвяне и проучване на данни
- Лабораторна сесия: Изготвяне и проучване на данни
Незадължително за студенти
Няма.
Референции и фон за студенти
- Scikit-Learn
- Кери
- Дърво на решението на wikipedia
- Рон Кохави, "Увеличаване на точността на класификаторите на Naive-Bayes: A Decision-Tree Hybrid“, Proceedings of the Second International Conference on Knowledge Discovery and Data Mining (Процедури от Втората международна конференция за откриване на знания и извличане на данни), 1996 г.
- https://scikit-learn.org/stable/modules/tree.html
- https://pulplearning.altervista.org/algoritmi-di-machine-learning-decision-tree/
- https://www.kaggle.com/code/hamelg/python-for-data-29-decision-trees/notebook
- https://towardsdatascience.com/decision-trees-in-machine-learning-641b9c4e8052
Препоръчва се за учители
Няма.
Материали за уроци
Инструкции за учители
Това учебно събитие се състои от лабораторни задачи, които ще бъдат решени от студентите с помощта на водещия инструктор.
Можете да базирате този клас около тетрадките.
Описание/времеви график[редактиране | редактиране на кода]
| Продължителност (мин) | Описание | Концепции | Дейност | Материал |
|---|---|---|---|---|
| 5 | Кратко описание на задачите, които трябва да бъдат изпълнени | Въведение | Лекция | |
| 5 | Генериране на двуизмерен набор от данни | Gaussian шум, np.random.randn | Кодиране | Jupyter бележник |
| 10 | Монтаж и оценка на дърво за вземане на решения | Scikit-учене | Кодиране | |
| 15 | Проучване на ефекта от параметъра за сложност на модела | сложност на модела, вектори за поддръжка, марж, графика | Документация | |
| 5 | Прилягане на модела | Монтаж на модел | Кодиране | |
| 15 | Оценка и инвестиране на ефекта на параметъра | Оценка на параметрите | Документация | |
| 20 | Внедряване на персонализиран предварително изчислителен модел | матрични операции в хрупкаво състояние | Кодиране | |
| 45 | Монтаж и оценка на модела въз основа на реални данни | предварителна обработка на данни (скалиране), точност, матрица на объркването, кръстосана валидация | Документация |
Потвърждения
Магистърската програма по ИИ, насочена към човека, беше съфинансирана от Механизма за свързване на Европа на Европейския съюз под формата на безвъзмездни средства № CEF-TC-2020—1 Digital Skills 2020-EU-IA-0068.