Mae: 12.61%; Accuracy: 87.39% Вывод.

В ходе работы было установлено, что лучшим классификатором среди специальных алгоритмов MATLAB (наивного байесовского классификатора NaiveBayes, регрессионных деревьев TreeBagger и нейронных сетей NeuralNetwork) является метод TreeBagger, использующий в качестве входных данных заранее определенные значимые параметры.

Контрольные вопросы

1. Где могут быть применены алгоритмы?

Алгоритмы имеют широкую область применения: биология, финансовые сервисы, распознавание изображений, обработка звука и изображения.

2. Теорема Байеса.

Теорема Байеса — одна из основных теорем элементарной теории вероятностей, которая позволяет определить вероятность какого-либо события при условии, что произошло другое статистически взаимозависимое с ним событие.

3. Наивный байесовский классификатор. Достоинства и недостатки.

Наивный байесовский классификатор — простой вероятностный классификатор, основанный на применении теоремы Байеса со строгими (наивными) предположениями о независимости.

Достоинства: Легко и быстро предсказывает класс тестового набора, хорошая производительность, быстрая обучаемость, Хорошо работает с категориальными данными

Недостатки: Плохо работает с отсутствующими категориями, значения не всегда точные, предполагает, что признаки независимы.

4. Дерево принятия решений. Достоинства и недостатки.

Дерево принятия решений (дерево классификации, или регрессионное дерево) — средство поддержки принятия решений, применяемое в статистике и при анализе данных для прогнозных моделей.

Достоинства: четкие и понятные правила классификации, легко визуализируется, быстро обучается

Недостатки: чувствительны к шумам во входных данным, плохо классифицирует, возможность переобучения, сложный поиск оптимального дерева.

5. Что такое нейрон? Синапс? Слой?

Нейрон — основной элемент нейронной сети, выполняющий функцию адаптивного сумматора с варьируемыми входными весовыми коэффициентами, суммарный выходной сигнал которого подвергается линейной или нелинейной обработке, образуя итоговый выходной сигнал.

Синапс — линейная связь, характерная для каждого из сумматоров, служащая для обозначения направления распространения сигнала, который умножается на заданный синаптический весовой коэффициент.

Слой — множество нейронов (узлов), имеющих общие входные или выходные сигналы.

6. Функции нейрона.

Нейрон состоит из элементов трех типов: умножителей (синапсов), сумматора и нелинейного преобразователя. Синапсы осуществляют связь между нейронами, умножают входной сигнал на число, характеризующее силу связи (вес синапса). Значение на входе синапса умножается на вес данного синапса, затем все значения суммируются. Они и определяют текущее состояние нейрона. Сумматор выполняет сложение сигналов, поступающих по синаптическим связям от других нейронов, и внешних входных сигналов. Нелинейный преобразователь реализует нелинейную функцию одного аргумента — выхода сумматора. Эта функция называется функцией активации или передаточной функцией.