Задание 5. Реализация алгоритмов построения supervised моделей.
Задачи классификации и кластеризации относятся к типу задач с учителем - supervised learning. Такие задачи решаются в несколько этапов. Сначала с помощью какого-либо алгоритма data mining, строится модель анализируемых данных - классификатор. Затем, классификатор подвергается "обучению". Другими словами, проверяется качество его работы и, если оно неудовлетворительно, происходит "дополнительное обучение" классификатора. Так происходит до тех пор, пока мы не достигнем требуемого уровня качества или не убедимся, что выбранный алгоритм не работает корректно с данными, либо же сами данные не имеют структуры, которую можно выявить. К этому типу задач относят задачи классификации и регрессии.
В результате описанных отличий в стандарт CWM были введены специальные классы для такого вида задач:
SupervisedMiningModel - наследуется от класса MiningModel и используется при решении supervised задачах (т.е.задач классификации и регрессии).
SupervisedMiningSettings – наследуется от класса MiningSettings и используется для определения настроек для задач с учителем.
В соответствии со стандартам библиотека Xelopes также поддерживает данный подход. Более того по аналогии с классами моделей и настроек был добавлен класс SupervisedMiningAlgorithm.
В библиотеку был добавлен интерфейс Classifier, который описывает метод applay() выполняющий классификацию на основе построенной модели новых данных. Данный метод должен реализовываться всеми классами, реализующими интерфейс Classifier.
К типу задач с учителем относятся задачи классификации и регрессии. Для строящих соответствующие модели в библиотеке присутствуют следующие классы:
ClassificationMiningModel - расширяет SupervisedMiningModel для задачи классификации;
DecisionTreeMiningModel - расширяет ClassificationMiningModel для моделей деревьев решений
RegressionMiningModel - расширяет SupervisedMiningModel для задачи регрессии;
SupportVectorModel - расширяет RegressionModel для моделей построенных методом Support Vector Machines;
ClassificationMiningSettings - расширяет SupervisedMiningSettings для настройки процесса решения задачи классификации;
DecisionTreeSettings - расширяет ClassificationSettings для деревьев решений,
RegressionMiningSettings - расширяет SupervisedMiningSettings для настройки процесса решения задачи регрессии;
SupportVectorSettings - расширяет RegressionSettings для метода Support Vector Machines;
ClassificationAlgorithm - расширяет SupervisedMiningAlgorithm для задачи классификации;
DecisionTreeMiningAlgorithm - расширяет ClassificationMiningAlgorithm для алгоритмов дерева решений,
RegressionAlgorithm - расширяет SupervisedMiningAlgorithm для задачи регрессии,
SupportVectorAlgorithm - расширяет RegressionAlgorithm для алгоритмов Support Vector Machines;
Перечисленные классы и их подклассы необходимы для реализации собственных алгоритмов решающих задачи классификации и регрессии.
Получим PMML файл
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE PMML PUBLIC "pmml20.dtd" "pmml20.dtd">
<PMML version="2.0">
<Header copyright="Copyright (c) 2003 prudsys AG" description="Xelopes mining model. See www.zsoft.ru or www.prudsys.com">
<Application version="1.1" name="Xelopes" />
<Timestamp>2018-03-25 08:07:31 MSD</Timestamp>
</Header>
<DataDictionary numberOfFields="5">
<DataField displayName="outlook" name="outlook" isCyclic="0" optype="categorical">
<Value displayValue="sunny" property="valid" value="sunny" />
<Value displayValue="overcast" property="valid" value="overcast" />
<Value displayValue="rainy" property="valid" value="rainy" />
</DataField>
<DataField displayName="temperature" name="temperature" isCyclic="0" optype="continuous">
<Interval leftMargin="-Infinity" rightMargin="Infinity" closure="openOpen" />
</DataField>
<DataField displayName="humidity" name="humidity" isCyclic="0" optype="continuous">
<Interval leftMargin="-Infinity" rightMargin="Infinity" closure="openOpen" />
</DataField>
<DataField displayName="windy" name="windy" isCyclic="0" optype="categorical">
<Value displayValue="true" property="valid" value="true" />
<Value displayValue="false" property="valid" value="false" />
</DataField>
<DataField displayName="whatIdo" name="whatIdo" isCyclic="0" optype="categorical">
<Value displayValue="will_play" property="valid" value="will_play" />
<Value displayValue="may_play" property="valid" value="may_play" />
<Value displayValue="no_play" property="valid" value="no_play" />
</DataField>
</DataDictionary>
<VectorDictionary numberOfVectors="1">
<VectorInstance id="1">
<AttributeInstance value="-84 -19 0 5 115 114 0 44 99 111 109 46 112 114 117 100 115 121 115 46 112 100 109 46 65 100 97 112 116 101 114 115 46 87 101 107 97 46 87 101 107 97 67 108 97 115 115 105 102 105 101 114 -99 32 -28 29 82 -11 90 73 2 0 2 76 0 14 119 101 107 97 67 108 97 115 115 105 102 105 101 114 116 0 18 76 106 97 118 97 47 108 97 110 103 47 79 98 106 101 99 116 59 76 0 13 119 101 107 97 73 110 115 116 97 110 99 101 115 113 0 126 0 1 120 112 115 114 0 33 119 101 107 97 46 99 108 97 115 115 105 102 105 101 114 115 46 98 97 121 101 115 46 78 97 105 118 101 66 97 121 101 115 -83 97 -83 22 -112 -41 123 8 2 0 5 73 0 12 109 95 78 117 109 67 108 97 115 115 101 115 90 0 20 109 95 85 115 101 75 101 114 110 101 108 69 115 116 105 109 97 116 111 114 76 0 19 109 95 67 108 97 115 115 68 105 115 116 114 105 98 117 116 105 111 110 116 0 27 76 119 101 107 97 47 101 115 116 105 109 97 116 111 114 115 47 69 115 116 105 109 97 116 111 114 59 91 0 15 109 95 68 105 115 116 114 105 98 117 116 105 111 110 115 116 0 29 91 91 76 119 101 107 97 47 101 115 116 105 109 97 116 111 114 115 47 69 115 116 105 109 97 116 111 114 59 76 0 11 109 95 73 110 115 116 97 110 99 101 115 116 0 21 76 119 101 107 97 47 99 111 114 101 47 73 110 115 116 97 110 99 101 115 59 120 114 0 39 119 101 107 97 46 99 108 97 115 115 105 102 105 101 114 115 46 68 105 115 116 114 105 98 117 116 105 111 110 67 108 97 115 115 105 102 105 101 114 -38 -23 89 -99 35 119 -23 94 2 0 0 120 114 0 27 119 101 107 97 46 99 108 97 115 115 105 102 105 101 114 115 46 67 108 97 115 115 105 102 105 101 114 56 123 -24 36 30 -11 -11 20 2 0 0 120 112 0 0 0 3 1 115 114 0 33 119 101 107 97 46 101 115 116 105 109 97 116 111 114 115 46 68 105 115 99 114 101 116 101 69 115 116 105 109 97 116 111 114 -6 -84 127 99 -84 32 87 110 2 0 2 68 0 13 109 95 83 117 109 79 102 67 111 117 110 116 115 91 0 8 109 95 67 111 117 110 116 115 116 0 2 91 68 120 112 64 50 0 0 0 0 0 0 117 114 0 2 91 68 62 -90 -116 20 -85 99 90 30 2 0 0 120 112 0 0 0 3 64 32 0 0 0 0 0 0 64 20 0 0 0 0 0 0 64 20 0 0 0 0 0 0 117 114 0 29 91 91 76 119 101 107 97 46 101 115 116 105 109 97 116 111 114 115 46 69 115 116 105 109 97 116 111 114 59 -120 -31 93 -117 115 -127 -16 -51 2 0 0 120 112 0 0 0 4 117 114 0 28 91 76 119 101 107 97 46 101 115 116 105 109 97 116 111 114 115 46 69 115 116 105 109 97 116 111 114 59 16 -29 82 -52 -47 -113 -24 11 2 0 0 120 112 0 0 0 3 115 113 0 126 0 10 64 36 0 0 0 0 0 0 117 113 0 126 0 13 0 0 0 3 64 8 0 0 0 0 0 0 64 8 0 0 0 0 0 0 64 16 0 0 0 0 0 0 115 113 0 126 0 10 64 28 0 0 0 0 0 0 117 113 0 126 0 13 0 0 0 3 64 8 0 0 0 0 0 0 64 8 0 0 0 0 0 0 63 -16 0 0 0 0 0 0 115 113 0 126 0 10 64 28 0 0 0 0 0 0 117 113 0 126 0 13 0 0 0 3 64 0 0 0 0 0 0 0 64 0 0 0 0 0 0 0 64 8 0 0 0 0 0 0 117 113 0 126 0 17 0 0 0 3 115 114 0 31 119 101 107 97 46 101 115 116 105 109 97 116 111 114 115 46 75 101 114 110 101 108 69 115 116 105 109 97 116 111 114 11 -99 72 31 -7 122 40 72 2 0 7 90 0 15 109 95 65 108 108 87 101 105 103 104 116 115 79 110 101 73 0 11 109 95 78 117 109 86 97 108 117 101 115 68 0 11 109 95 80 114 101 99 105 115 105 111 110 68 0 13 109 95 83 116 97 110 100 97 114 100 68 101 118 68 0 14 109 95 83 117 109 79 102 87 101 105 103 104 116 115 91 0 8 109 95 86 97 108 117 101 115 113 0 126 0 11 91 0 9 109 95 87 101 105 103 104 116 115 113 0 126 0 11 120 112 0 0 0 0 5 63 -2 -117 -94 -24 -70 46 -116 64 25 -7 -7 -60 -56 -67 27 64 28 0 0 0 0 0 0 117 113 0 126 0 13 0 0 0 50 64 81 46 -117 -94 -24 -70 47 64 81 -88 -70 46 -117 -94 -23 64 82 -99 23 69 -47 116 93 64 84 11 -94 -24 -70 46 -116 64 85 122 46 -117 -94 -24 -70 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 117 113 0 126 0 13 0 0 0 50 64 0 0 0 0 0 0 0 63 -16 0 0 0 0 0 0 64 0 0 0 0 0 0 0 63 -16 0 0 0 0 0 0 63 -16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 115 113 0 126 0 26 1 0 0 0 4 63 -2 -117 -94 -24 -70 46 -116 64 30 -117 -94 -24 -70 46 -112 64 16 0 0 0 0 0 0 117 113 0 126 0 13 0 0 0 50 64 80 58 46 -117 -94 -24 -70 64 82 34 -24 -70 46 -117 -93 64 82 -99 23 69 -47 116 93 64 84 11 -94 -24 -70 46 -116 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 117 113 0 126 0 13 0 0 0 50 63 -16 0 0 0 0 0 0 63 -16 0 0 0 0 0 0 63 -16 0 0 0 0 0 0 63 -16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 115 113 0 126 0 26 1 0 0 0 4 63 -2 -117 -94 -24 -70 46 -116 64 33 46 -117 -94 -24 -70 48 64 16 0 0 0 0 0 0 117 113 0 126 0 13 0 0 0 50 64 80 58 46 -117 -94 -24 -70 64 81 -88 -70 46 -117 -94 -23 64 82 34 -24 -70 46 -117 -93 64 84 -123 -47 116 93 23 70 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 117 113 0 126 0 13 0 0 0 50 63 -16 0 0 0 0 0 0 63 -16 0 0 0 0 0 0 63 -16 0 0 0 0 0 0 63 -16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 117 113 0 126 0 17 0 0 0 3 115 113 0 126 0 26 0 0 0 0 6 64 16 102 102 102 102 102 102 64 46 -2 58 -17 -121 53 -97 64 28 0 0 0 0 0 0 117 113 0 126 0 13 0 0 0 50 64 74 -90 102 102 102 102 102 64 81 108 -52 -52 -52 -52 -52 64 82 115 51 51 51 51 51 64 84 -128 0 0 0 0 0 64 85 -122 102 102 102 102 102 64 87 -109 51 51 51 51 51 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 117 113 0 126 0 13 0 0 0 50 63 -16 0 0 0 0 0 0 63 -16 0 0 0 0 0 0 63 -16 0 0 0 0 0 0 64 0 0 0 0 0 0 0 63 -16 0 0 0 0 0 0 63 -16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 115 113 0 126 0 26 0 0 0 0 3 64 16 102 102 102 102 102 102 64 40 -103 -103 -103 -103 -103 -104 64 16 0 0 0 0 0 0 117 113 0 126 0 13 0 0 0 50 64 80 102 102 102 102 102 102 64 81 108 -52 -52 -52 -52 -52 64 86 -116 -52 -52 -52 -52 -52 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 117 113 0 126 0 13 0 0 0 50 63 -16 0 0 0 0 0 0 63 -16 0 0 0 0 0 0 64 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 115 113 0 126 0 26 1 0 0 0 4 64 16 102 102 102 102 102 102 64 40 -103 -103 -103 -103 -103 -100 64 16 0 0 0 0 0 0 117 113 0 126 0 13 0 0 0 50 64 81 108 -52 -52 -52 -52 -52 64 85 -122 102 102 102 102 102 64 86 -116 -52 -52 -52 -52 -52 64 87 -109 51 51 51 51 51 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 117 113 0 126 0 13 0 0 0 50 63 -16 0 0 0 0 0 0 63 -16 0 0 0 0 0 0 63 -16 0 0 0 0 0 0 63 -16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
</VectorInstance>
</VectorDictionary>
</PMML>
Что такое supervised модели.
Обучение с учителем (англ.Supervised learning) — один из способовмашинного обучения, в ходе которого испытуемая система принудительно обучается с помощью примеров «стимул-реакция». С точки зрениякибернетики, является одним из видовкибернетического эксперимента. Между входами и эталонными выходами (стимул-реакция) может существовать некоторая зависимость, но она неизвестна. Известна только конечная совокупность прецедентов — пар «стимул-реакция», называемаяобучающей выборкой. На основе этих данных требуется восстановить зависимость (построить модель отношений стимул-реакция, пригодных для прогнозирования), то есть построить алгоритм, способный для любого объекта выдать достаточно точный ответ. Для измерения точности ответов, так же как и вобучении на примерах, может вводиться функционал качества.
Что такое предсказательные модели?
Предсказательные модели строятся на основании набора данных с известными результатами. Они используются для предсказания результатов на основании другихнаборов данных. При этом, естественно, требуется, чтобы модель работала максимальноточно, была статистически значима и оправданна и т. д.
К ним относятся следующие модели:
Модели классификации – описываютправилаилинаборправил, всоответствии с которыми можно отнести описание любого нового объекта к одному изклассов. Такие правила строятся на основании информации о существующих объектахпутем разбиения их на классы;
Модели последовательностей – описываютфункции,позволяющиепрогнозироватьизменениенепрерывныхчисловыхпараметров. Они строятся на основании данных об изменении некоторого параметра за прошедший период времени.
Какие существуют алгоритмы построения функций регрессии?
Регрессио́нный
анализ — статистический
методисследования влияния одной или
несколькихнезависимых
переменныхX 1 , X 2 , . . . , X p {\displaystyle
X_{1},X_{2},...,X_{p}}назависимую
переменнуюY {\displaystyle Y}
. Независимые переменные иначе
называют регрессорами или предикторами,
а зависимые переменные — критериальными.
Терминология зависимых и независимых
переменных отражает лишь математическую
зависимость переменных (см.Ложная
корреляция), а не причинно-следственные
отношения.
Алгоритм - Метод наименьших квадратов
Какие существуют алгоритмы построения классификационных правил
Какие существуют алгоритмы построения деревьев решений
Решающее дерево (decision tree, DT) — это логический алгоритм классификации, основанный на поиске конъюнктивных закономерностей.
Деревом
называется конечный связный граф с
множеством вершин V, не содержащий
циклов и имеющий выделенную вершину
,
в которую не входит ни одно ребро. Эта
вершина называется корнем дерева.
Вершина, не имеющая выходящих рёбер,
называется терминальной или листом.
Остальные вершины называются
внутренними.
Дерево называется бинарным, если из любой его внутренней вершины выходит ровно два ребра. Выходящие рёбра связывают внутреннюю вершину v с левой дочерней вершиной Lv и с правой дочерней вершиной Rv.
Опр.
Бинарное решающее дерево — это алгоритм
классификации, задающийся бинарным
деревом, в котором каждой внутренней
вершине
приписан
предикат
,
каждой терминальной вершине
приписано
имя класса cv
Y. Правило классификации определяется
следующим образом: