Domáca úloha č.2 k predmetu PV056
Prerekvizity:
Nainštalovaný program Weka 3, ktorý si môžete stiahnuť na adrese: http: //www. cs. waikato. ac.nz/ml/weka/
Datasety:
Datasety si môžete stiahnuť na adrese: http://archive.ics.uci.edu/ml/datasets.html.
Každý z vás má svoju vlastnú sadu datasetov. Pridelené datasety nájdete v tabuľke:
uco	Dataset
72665	Parkinsons Data Set
106451	Ionosphere Data Set
113869	Car Evaluation Data Set
207622	Soybean (Large) Data Set
255651	Yeast Data Set
255838	Chess (King-Rook vs. King-Pawn) Data Set
256365	Tic-Tac-Toe Endgame Data Set
256699	Breast Cancer Wisconsin (Original) Data Set
324709	Pima Indians Diabetes Data Set
324751	Wine Quality Data Set
325154	Hepatitis Data Set
333617	Lymphography Data Set
356530	Flags Data Set
359185	Heart Disease Data Set
359226	Wall-Following Robot Navigation Data
359305	Echo-cardiogram Data Set
359331	SPECT Heart Data Set
359747	Internet Advertisements Data Set
359789	Mammographie Mass Data Set
359860	Wine Data Set
374368	Dermatology Data Set
374595	Balance Scale Data Set
388433	Mushroom Data Set
395607	Blood Transfusion Service Center Data Set
395881	Libras Movement Data Set
395986	Hill-Valley Data Set
396273	Japanese Credit Screening Data Set
396477	Lung Cancer Data Set
409930	Chess (King-Rook vs. King) Data Set
410345	Census Income Data Set
417148	Horse Colic Data Set
1
Zadanie:
• Na analýzu použite dátové sady, ktoré ste si vytvorili v prvej úlohe, prípadne si stiahnite dataset a predspracujte ho tak, ako bolo popísané v prvej úlohe.
• V tejto úlohe by ste si mali precvičit analýzu za pomoci Zmiešaných metód strojového učenia.
• Konkrétne sa jedná o metódy: Bagging a Vote ktoré nájdete na záložke classify, medzi meta klasiŕikátormi.
• Vašou úlohou bude za pomoci týchto klasiŕikátorov dosiahnut lepšie výsledky klasifikácie ako pri prvej úlohe, alebo minimálne porovnatelné.
• Pri oboch algoritmoch nastavujete ďalšie algoritmy, ktoré vykonajú samotnú analýzu. Použite tieto algoritmy: J48, RandomForest, NaiveBayes, SMO a ďalšie lubovolné 3.
• Pri Baggingu nastavujete len jeden klasiŕikátor, preto vykonajte analýzu na každom z vašich 7 algoritmov, ale pokúste sa nastavit parametre baggingu (a vybraného algoritmu) tak, aby ste dosiahli ešte lepších výsledkov.
• Pri Vote môžete nastavit viacero klasiŕikátorov. Môžete ich lubovolné miešat, takže pri riešení je prípustná akákolvek podmnožina vašich 7 klasiŕikátorov. Dôležité je, aby ste si všimli parameter " combinationRule" a pohrali sa sním tak, aby ste dostali čo najlepší výsledok. Vašou úlohou bude dosiahnut v tomto prípade lepší výsledok (alebo aspoň porovnatelný) ako bol Váš najlepší dosiahnutý výsledok na tejto dátovej sade z minulej úlohy spomedzi všetkých použitých algoritmov. V tomto prípade mi odovzdáte prvých 7 najlepších výsledkov. Vo väčšej polovici prípadov vyžadujem, aby ste použili kombináciu aspoň 3 algoritmov.
• Dáta predspracujte klasicky, tak ako v prvej úlohe. Samozrejme, môžete sa s nimi pohrat aj viac ak to uznáte za vhodné.
• V prípade Baggingu mi výsledky zapíšte do tabulky v nasledovnom formáte:
Alg.	Acc. l.úl.	Acc. 2.Ú1.	Parám, baggingu	Parám, algoritmu	Zlepšenie o
J48	XX.x	XX.x	...	...	+ /-XX.X
• V prípade Vote mi výsledky zapíšte do tabulky v nasledovnom formáte (zoradené od najlepšieho po najhorší):
Algoritmy	Alg. parám.	Accuracy	Vote params	Best l.úl.	Zlepšenie o
Alg A Alg B AlgC	params A params B params C	XX.x	...	...	+ /-XX.X
Alg B Alg E Alg A	params B params E params A	XX.x	...	...	+ /-XX.X
2
• Vytvorte súbory unexpected-bagging.txt a unexpected-vote.txt a zaznamenajte do nich poznámky o netypickom priebehu, ak napríklad algoritmus nedobehne, alebo o prípadných dodatočných úpravách dát.
• Ak niekto chce, môže si vyskúšat túto úlohu aj naprogramovat. Weka má relatívne dobrú dokumentáciu na webe aj s praktickými ukážkami a programovanie je velmi intuitívne a jednoduché. Osobne si myslím, že naprogramovanie tejto úlohy bude pre vás rýchlejšie ako keby ste to mali vyklikávat v GUI.
• Vypracovanú úlohu (2x tabulka s výsledkami (bagging.pdf. vote.pdf), arff súbor s vašou dátovou sadou, 2x unexpected.txt (unexpected-bagging.txt, unexpected-vote.txt)) odovzdajte do Odevzdávárny zazipované v jednom súbore do 12.05.2012 12:00.
• Ak sa to rozhodnete úlohu naprogramovat, zašlite mi aj zdrojové kódy vášho riešenia.
• Súbory s riešením prosím nevkladajte do žiadneho podadresára! (Povolené sú len súbory s naprogramovaným riešením aby boli v zvlášt adresári)
• Informácie o splnení úlohy vám zadám do poznámkového bloku.
• V prípade nesplnenia úlohy vám budem nútený zadat mínusové body, ktoré sa vám odpočítajú od bodov získaných v záverečnej skúške.
• Ak by ste mali nejaké nejasnosti, alebo by ste si nevedeli rady, napíšte mi stručný e-mail na 173001@mail.muni.cz a do predmetu mailu zadajte aspoň kód predmetu. Všeobecné otázky prosím riešte cez diskusné fórum.
3