Добавил:

Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.

Вуз:

Московский государственный университет им. М.В. Ломоносова

Предмет:

[НЕСОРТИРОВАННОЕ]

Файл:

Лаб1.doc

Скачиваний:

Добавлен:

07.08.2019

Размер:

403.46 Кб

Скачать

☆

Міністерство освіти і науки, молоді та спорту України

Вінницький національний технічний університет

Кафедра комп'ютерних систем управління

Лабораторна робота №1

"Первинна обробка експериментальних даних для задачі ідентифікації нелінійної залежності"

Виконали:

ст. гр. 3СІ-10

Осіпенко Г.

Гедз А.

Мазур О.

Перевірила:

Никитенко О.Д.

Вінниця ВНТУ 2012

Лабораторна робота №1

Тема: “Первинна обробка експериментальних даних для задачі ідентифікації нелінійної залежності.”

Мета: “Дослідити експериментальні дані для задачі ідентифікації нелінійної залежності”

Теоретичні відомості

В лабораторній роботі досліджуються експериментальні дані для задачі класифікації квітів ірисів. Ця задача була запропонована Р. Фішером у 1936 році і є класичною для тестування методів розпізнавання образів, кластеризації, машинного навчання. Задача класифікації ірисів ставиться наступним чином: за відомими значеннями чотирьох ознак квітки іриса необхідно віднести ірис до одного з трьох видів:

1 - Iris Setosa,

2 - Iris Versicolor;

3 - Iris Virginica.

Ознаками ірисів, на основі яких приймається рішення, є:

x1 – довжина чашолистику (Sepal Length);

x2 - ширина чашолистику (Sepal Width);

x3 - довжина пелюстки (Petal Length);

x4 - ширина пелюстки (Petal Width).

Хід роботи

Знайти мінімальне, максимальне та середнє значення для кожної із ознак.
Знайти мінімальне, максимальне та середнє значення для кожної із ознак в межах кожного виду.
Побудувати 2D розподіли ірисів по класам: (x1 x2), (x1 x3), (x1 x4), (x2 x3), (x2 x4), (x3 x4).
Зробити висновки.

Вхідні дані

№	x1	x2	x3	x4	y
1	50	33	14	2	1
2	64	28	56	22	3
3	65	28	46	15	2
4	67	31	56	24	3
5	63	28	51	15	3
6	46	34	14	3	1
7	69	31	51	23	3
8	62	22	45	15	2
9	59	32	48	18	2
10	46	36	10	2	1
11	61	30	46	14	2
12	60	27	51	16	2
13	65	30	52	20	3
14	56	25	39	11	2
15	65	30	55	18	3
16	58	27	51	19	3
17	68	32	59	23	3
18	51	33	17	5	1
19	57	28	45	13	2
20	62	34	54	23	3
21	77	38	67	22	3
22	63	33	47	16	2
23	67	33	57	25	3
24	76	30	66	21	3
25	49	25	45	17	3
26	55	35	13	2	1
27	67	30	52	23	3
28	70	32	47	14	2
29	64	32	45	15	2
30	61	28	40	13	2
31	48	31	16	2	1
32	59	30	51	18	3
33	55	24	38	11	2
34	63	25	50	19	3
35	64	32	53	23	3
36	52	34	14	2	1
37	49	36	14	1	1
38	54	30	45	15	2
39	79	38	64	20	3
40	44	32	13	2	1
41	67	33	57	21	3
42	50	35	16	6	1
43	58	26	40	12	2
44	44	30	13	2	1
45	77	28	67	20	3
46	63	27	49	18	3
47	47	32	16	2	1
48	55	26	44	12	2
49	50	23	33	10	2
50	72	32	60	18	3
51	48	30	14	3	1
52	51	38	16	2	1
53	61	30	49	18	3
54	48	34	19	2	1
55	50	30	16	2	1
56	50	32	12	2	1
57	61	26	56	14	3
58	64	28	56	21	3
59	43	30	11	1	1
60	58	40	12	2	1
61	51	38	19	4	1
62	67	31	44	14	2
63	62	28	48	18	3
64	49	30	14	2	1
65	51	35	14	2	1
66	56	30	45	15	2
67	58	27	41	10	2
68	50	34	16	4	1
69	46	32	14	2	1
70	60	29	45	15	2
71	57	26	35	10	2
72	57	44	15	4	1
73	50	36	14	2	1
74	77	30	61	23	3
75	63	34	56	24	3
76	58	27	51	19	3
77	57	29	42	13	2
78	72	30	58	16	3
79	54	34	15	4	1
80	52	41	15	1	1
81	71	30	59	21	3
82	64	31	55	18	3
83	60	30	48	18	3
84	63	29	56	18	3
85	49	24	33	10	2
86	56	27	42	13	2
87	57	30	42	12	2
88	55	42	14	2	1
89	49	31	15	2	1
90	77	26	69	23	3
91	60	22	50	15	3
92	54	39	17	4	1
93	66	29	46	13	2
94	52	27	39	14	2
95	60	34	45	16	2
96	50	34	15	2	1
97	44	29	14	2	1
98	50	20	35	10	2
99	55	24	37	10	2
100	58	27	39	12	2
101	47	32	13	2	1
102	46	31	15	2	1
103	69	32	57	23	3
104	62	29	43	13	2
105	74	28	61	19	3
106	59	30	42	15	2
107	51	34	15	2	1
108	50	35	13	3	1
109	56	28	49	20	3
110	60	22	40	10	2
111	73	29	63	18	3
112	67	25	58	18	3
113	49	31	15	1	1
114	67	31	47	15	2
115	63	23	44	13	2
116	54	37	15	2	1
117	56	30	41	13	2
118	63	25	49	15	2
119	61	28	47	12	2
120	64	29	43	13	2
121	51	25	30	11	2
122	57	28	41	13	2
123	65	30	58	22	3
124	69	31	54	21	3
125	54	39	13	4	1
126	51	35	14	3	1
127	72	36	61	25	3
128	65	32	51	20	3
129	61	29	47	14	2
130	56	29	36	13	2
131	69	31	49	15	2
132	64	27	53	19	3
133	68	30	55	21	3
134	55	25	40	13	2
135	48	34	16	2	1
136	48	30	14	1	1
137	45	23	13	3	1
138	57	25	50	20	3
139	57	38	17	3	1
140	51	38	15	3	1
141	55	23	40	13	2
142	66	30	44	14	2
143	68	28	48	14	2
144	54	34	17	2	1
145	51	37	15	4	1
146	52	35	15	2	1
147	58	28	51	24	3
148	67	30	50	17	2
149	63	33	60	25	3
150	53	37	15	2	1

1. Занесимо вхідні дані у робочий лист Microsoft Excel.

2. Обираючи функції "МИН", "МАКС" та "СРЗНАЧ" визначаємо відповідно мінімальне, максимальне та середнє значення для кожної із ознак.

3 . За допомогою вище згаданих функцій знаходимо мінімальне, максимальне та середнє значення для кожної із ознак в межах кожного виду.

Д ля першого виду:

Д ля другого виду:

Д ля третього виду:

4. За допомогою точкових діаграм побудуємо 2D розподіли ірисів по класам: (x1 x2), (x1 x3), (x1 x4), (x2 x3), (x2 x4), (x3 x4).

Висновки:

В даній лабораторній роботі ми дослідили експериментальні дані для задачі ідентифікації нелінійної залежності на прикладі класифікації квітів ірисів.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

#
07.12.20181.85 Mб3лаб.раб.1-8.doc
#
04.05.201923.83 Mб5Лаб.раб.8 ПОСТРОЕНИЕ И ОБСУЖДЕНИЕ UML-ДИАГРАММ.doc
#
10.12.2018144.04 Кб1Лаб.работа 4.docx
#
21.11.201884.48 Кб0лаб1-2 ИН-ЯЗ.doc
#
13.11.201899.33 Кб3Лаб1.doc
#
07.08.2019403.46 Кб1Лаб1.doc
#
15.11.2019224.26 Кб0Лаб2 -інструкція.doc
#
16.11.2019212.82 Кб0лаб3.docx
#
17.09.2019382.87 Кб0Лаб3_Корр_анал_данных.docx
#
12.08.201933.36 Mб0лаб4_ Текст_рисов.docx
#
17.09.201926.82 Кб1Лаб4_эксп_оцен_прак.docx

№	x1	x2	x3	x4	y
1	50	33	14	2	1
2	64	28	56	22	3
3	65	28	46	15	2
4	67	31	56	24	3
5	63	28	51	15	3
6	46	34	14	3	1
7	69	31	51	23	3
8	62	22	45	15	2
9	59	32	48	18	2
10	46	36	10	2	1
11	61	30	46	14	2
12	60	27	51	16	2
13	65	30	52	20	3
14	56	25	39	11	2
15	65	30	55	18	3
16	58	27	51	19	3
17	68	32	59	23	3
18	51	33	17	5	1
19	57	28	45	13	2
20	62	34	54	23	3
21	77	38	67	22	3
22	63	33	47	16	2
23	67	33	57	25	3
24	76	30	66	21	3
25	49	25	45	17	3
26	55	35	13	2	1
27	67	30	52	23	3
28	70	32	47	14	2
29	64	32	45	15	2
30	61	28	40	13	2
31	48	31	16	2	1
32	59	30	51	18	3
33	55	24	38	11	2
34	63	25	50	19	3
35	64	32	53	23	3
36	52	34	14	2	1
37	49	36	14	1	1
38	54	30	45	15	2
39	79	38	64	20	3
40	44	32	13	2	1
41	67	33	57	21	3
42	50	35	16	6	1
43	58	26	40	12	2
44	44	30	13	2	1
45	77	28	67	20	3
46	63	27	49	18	3
47	47	32	16	2	1
48	55	26	44	12	2
49	50	23	33	10	2
50	72	32	60	18	3
51	48	30	14	3	1
52	51	38	16	2	1
53	61	30	49	18	3
54	48	34	19	2	1
55	50	30	16	2	1
56	50	32	12	2	1
57	61	26	56	14	3
58	64	28	56	21	3
59	43	30	11	1	1
60	58	40	12	2	1
61	51	38	19	4	1
62	67	31	44	14	2
63	62	28	48	18	3
64	49	30	14	2	1
65	51	35	14	2	1
66	56	30	45	15	2
67	58	27	41	10	2
68	50	34	16	4	1
69	46	32	14	2	1
70	60	29	45	15	2
71	57	26	35	10	2
72	57	44	15	4	1
73	50	36	14	2	1
74	77	30	61	23	3
75	63	34	56	24	3
76	58	27	51	19	3
77	57	29	42	13	2
78	72	30	58	16	3
79	54	34	15	4	1
80	52	41	15	1	1
81	71	30	59	21	3
82	64	31	55	18	3
83	60	30	48	18	3
84	63	29	56	18	3
85	49	24	33	10	2
86	56	27	42	13	2
87	57	30	42	12	2
88	55	42	14	2	1
89	49	31	15	2	1
90	77	26	69	23	3
91	60	22	50	15	3
92	54	39	17	4	1
93	66	29	46	13	2
94	52	27	39	14	2
95	60	34	45	16	2
96	50	34	15	2	1
97	44	29	14	2	1
98	50	20	35	10	2
99	55	24	37	10	2
100	58	27	39	12	2
101	47	32	13	2	1
102	46	31	15	2	1
103	69	32	57	23	3
104	62	29	43	13	2
105	74	28	61	19	3
106	59	30	42	15	2
107	51	34	15	2	1
108	50	35	13	3	1
109	56	28	49	20	3
110	60	22	40	10	2
111	73	29	63	18	3
112	67	25	58	18	3
113	49	31	15	1	1
114	67	31	47	15	2
115	63	23	44	13	2
116	54	37	15	2	1
117	56	30	41	13	2
118	63	25	49	15	2
119	61	28	47	12	2
120	64	29	43	13	2
121	51	25	30	11	2
122	57	28	41	13	2
123	65	30	58	22	3
124	69	31	54	21	3
125	54	39	13	4	1
126	51	35	14	3	1
127	72	36	61	25	3
128	65	32	51	20	3
129	61	29	47	14	2
130	56	29	36	13	2
131	69	31	49	15	2
132	64	27	53	19	3
133	68	30	55	21	3
134	55	25	40	13	2
135	48	34	16	2	1
136	48	30	14	1	1
137	45	23	13	3	1
138	57	25	50	20	3
139	57	38	17	3	1
140	51	38	15	3	1
141	55	23	40	13	2
142	66	30	44	14	2
143	68	28	48	14	2
144	54	34	17	2	1
145	51	37	15	4	1
146	52	35	15	2	1
147	58	28	51	24	3
148	67	30	50	17	2
149	63	33	60	25	3
150	53	37	15	2	1

№	x1	x2	x3	x4	y
1	50	33	14	2	1
2	64	28	56	22	3
3	65	28	46	15	2
4	67	31	56	24	3
5	63	28	51	15	3
6	46	34	14	3	1
7	69	31	51	23	3
8	62	22	45	15	2
9	59	32	48	18	2
10	46	36	10	2	1
11	61	30	46	14	2
12	60	27	51	16	2
13	65	30	52	20	3
14	56	25	39	11	2
15	65	30	55	18	3
16	58	27	51	19	3
17	68	32	59	23	3
18	51	33	17	5	1
19	57	28	45	13	2
20	62	34	54	23	3
21	77	38	67	22	3
22	63	33	47	16	2
23	67	33	57	25	3
24	76	30	66	21	3
25	49	25	45	17	3
26	55	35	13	2	1
27	67	30	52	23	3
28	70	32	47	14	2
29	64	32	45	15	2
30	61	28	40	13	2
31	48	31	16	2	1
32	59	30	51	18	3
33	55	24	38	11	2
34	63	25	50	19	3
35	64	32	53	23	3
36	52	34	14	2	1
37	49	36	14	1	1
38	54	30	45	15	2
39	79	38	64	20	3
40	44	32	13	2	1
41	67	33	57	21	3
42	50	35	16	6	1
43	58	26	40	12	2
44	44	30	13	2	1
45	77	28	67	20	3
46	63	27	49	18	3
47	47	32	16	2	1
48	55	26	44	12	2
49	50	23	33	10	2
50	72	32	60	18	3
51	48	30	14	3	1
52	51	38	16	2	1
53	61	30	49	18	3
54	48	34	19	2	1
55	50	30	16	2	1
56	50	32	12	2	1
57	61	26	56	14	3
58	64	28	56	21	3
59	43	30	11	1	1
60	58	40	12	2	1
61	51	38	19	4	1
62	67	31	44	14	2
63	62	28	48	18	3
64	49	30	14	2	1
65	51	35	14	2	1
66	56	30	45	15	2
67	58	27	41	10	2
68	50	34	16	4	1
69	46	32	14	2	1
70	60	29	45	15	2
71	57	26	35	10	2
72	57	44	15	4	1
73	50	36	14	2	1
74	77	30	61	23	3
75	63	34	56	24	3
76	58	27	51	19	3
77	57	29	42	13	2
78	72	30	58	16	3
79	54	34	15	4	1
80	52	41	15	1	1
81	71	30	59	21	3
82	64	31	55	18	3
83	60	30	48	18	3
84	63	29	56	18	3
85	49	24	33	10	2
86	56	27	42	13	2
87	57	30	42	12	2
88	55	42	14	2	1
89	49	31	15	2	1
90	77	26	69	23	3
91	60	22	50	15	3
92	54	39	17	4	1
93	66	29	46	13	2
94	52	27	39	14	2
95	60	34	45	16	2
96	50	34	15	2	1
97	44	29	14	2	1
98	50	20	35	10	2
99	55	24	37	10	2
100	58	27	39	12	2
101	47	32	13	2	1
102	46	31	15	2	1
103	69	32	57	23	3
104	62	29	43	13	2
105	74	28	61	19	3
106	59	30	42	15	2
107	51	34	15	2	1
108	50	35	13	3	1
109	56	28	49	20	3
110	60	22	40	10	2
111	73	29	63	18	3
112	67	25	58	18	3
113	49	31	15	1	1
114	67	31	47	15	2
115	63	23	44	13	2
116	54	37	15	2	1
117	56	30	41	13	2
118	63	25	49	15	2
119	61	28	47	12	2
120	64	29	43	13	2
121	51	25	30	11	2
122	57	28	41	13	2
123	65	30	58	22	3
124	69	31	54	21	3
125	54	39	13	4	1
126	51	35	14	3	1
127	72	36	61	25	3
128	65	32	51	20	3
129	61	29	47	14	2
130	56	29	36	13	2
131	69	31	49	15	2
132	64	27	53	19	3
133	68	30	55	21	3
134	55	25	40	13	2
135	48	34	16	2	1
136	48	30	14	1	1
137	45	23	13	3	1
138	57	25	50	20	3
139	57	38	17	3	1
140	51	38	15	3	1
141	55	23	40	13	2
142	66	30	44	14	2
143	68	28	48	14	2
144	54	34	17	2	1
145	51	37	15	4	1
146	52	35	15	2	1
147	58	28	51	24	3
148	67	30	50	17	2
149	63	33	60	25	3
150	53	37	15	2	1

"Первинна обробка експери­ментальних даних для задачі ідентифі­кації нелінійної залежності"

Лабораторна робота №1

Теоретичні відомості

Хід роботи

"Первинна обробка експериментальних даних для задачі ідентифікації нелінійної залежності"

№	x1	x2	x3	x4	y
1	50	33	14	2	1
2	64	28	56	22	3
3	65	28	46	15	2
4	67	31	56	24	3
5	63	28	51	15	3
6	46	34	14	3	1
7	69	31	51	23	3
8	62	22	45	15	2
9	59	32	48	18	2
10	46	36	10	2	1
11	61	30	46	14	2
12	60	27	51	16	2
13	65	30	52	20	3
14	56	25	39	11	2
15	65	30	55	18	3
16	58	27	51	19	3
17	68	32	59	23	3
18	51	33	17	5	1
19	57	28	45	13	2
20	62	34	54	23	3
21	77	38	67	22	3
22	63	33	47	16	2
23	67	33	57	25	3
24	76	30	66	21	3
25	49	25	45	17	3
26	55	35	13	2	1
27	67	30	52	23	3
28	70	32	47	14	2
29	64	32	45	15	2
30	61	28	40	13	2
31	48	31	16	2	1
32	59	30	51	18	3
33	55	24	38	11	2
34	63	25	50	19	3
35	64	32	53	23	3
36	52	34	14	2	1
37	49	36	14	1	1
38	54	30	45	15	2
39	79	38	64	20	3
40	44	32	13	2	1
41	67	33	57	21	3
42	50	35	16	6	1
43	58	26	40	12	2
44	44	30	13	2	1
45	77	28	67	20	3
46	63	27	49	18	3
47	47	32	16	2	1
48	55	26	44	12	2
49	50	23	33	10	2
50	72	32	60	18	3
51	48	30	14	3	1
52	51	38	16	2	1
53	61	30	49	18	3
54	48	34	19	2	1
55	50	30	16	2	1
56	50	32	12	2	1
57	61	26	56	14	3
58	64	28	56	21	3
59	43	30	11	1	1
60	58	40	12	2	1
61	51	38	19	4	1
62	67	31	44	14	2
63	62	28	48	18	3
64	49	30	14	2	1
65	51	35	14	2	1
66	56	30	45	15	2
67	58	27	41	10	2
68	50	34	16	4	1
69	46	32	14	2	1
70	60	29	45	15	2
71	57	26	35	10	2
72	57	44	15	4	1
73	50	36	14	2	1
74	77	30	61	23	3
75	63	34	56	24	3
76	58	27	51	19	3
77	57	29	42	13	2
78	72	30	58	16	3
79	54	34	15	4	1
80	52	41	15	1	1
81	71	30	59	21	3
82	64	31	55	18	3
83	60	30	48	18	3
84	63	29	56	18	3
85	49	24	33	10	2
86	56	27	42	13	2
87	57	30	42	12	2
88	55	42	14	2	1
89	49	31	15	2	1
90	77	26	69	23	3
91	60	22	50	15	3
92	54	39	17	4	1
93	66	29	46	13	2
94	52	27	39	14	2
95	60	34	45	16	2
96	50	34	15	2	1
97	44	29	14	2	1
98	50	20	35	10	2
99	55	24	37	10	2
100	58	27	39	12	2
101	47	32	13	2	1
102	46	31	15	2	1
103	69	32	57	23	3
104	62	29	43	13	2
105	74	28	61	19	3
106	59	30	42	15	2
107	51	34	15	2	1
108	50	35	13	3	1
109	56	28	49	20	3
110	60	22	40	10	2
111	73	29	63	18	3
112	67	25	58	18	3
113	49	31	15	1	1
114	67	31	47	15	2
115	63	23	44	13	2
116	54	37	15	2	1
117	56	30	41	13	2
118	63	25	49	15	2
119	61	28	47	12	2
120	64	29	43	13	2
121	51	25	30	11	2
122	57	28	41	13	2
123	65	30	58	22	3
124	69	31	54	21	3
125	54	39	13	4	1
126	51	35	14	3	1
127	72	36	61	25	3
128	65	32	51	20	3
129	61	29	47	14	2
130	56	29	36	13	2
131	69	31	49	15	2
132	64	27	53	19	3
133	68	30	55	21	3
134	55	25	40	13	2
135	48	34	16	2	1
136	48	30	14	1	1
137	45	23	13	3	1
138	57	25	50	20	3
139	57	38	17	3	1
140	51	38	15	3	1
141	55	23	40	13	2
142	66	30	44	14	2
143	68	28	48	14	2
144	54	34	17	2	1
145	51	37	15	4	1
146	52	35	15	2	1
147	58	28	51	24	3
148	67	30	50	17	2
149	63	33	60	25	3
150	53	37	15	2	1