1
Cvičenie 3.
Na danom súbore kosatcov otestujte klasifikačné funkcie zaraďujúce na základe
minimálnej vzdialenosti. Rozhodnite, ktorá metrika dáva najlepsie výsledky.
1. Jednotlivé prípady súboru klasifikujte podľa minimálnej Hammingovej
vzdialenosti. Pre túto metriku zobrazte množinu rovnako vzdialených bo-
dov.
2. Jednotlivé prípady súboru klasifikujte podľa minimálnej Čebyševovej vzdialenosti.
Pre túto metriku zobrazte množinu rovnako vzdialených bodov.
3. Jednotlivé prípady súboru klasifikujte podľa minimálnej Mahalanobisovej
vzdialenosti. Táto možnosť je vo funkcii classify, s ktorou sme pracovali
na minulom cvicení. Určte úspešnosť tejto klasifikácie.
4. Jednotlivé prípady súboru klasifikujte na základe minimálnej vzdialenosti
použitím metriky Canberra. Určte úspešnosť tejto klasifikácie.
5. Jednotlivé prípady súboru klasifikujte na základe minimálnej vzdialenosti
použitím uhlovej vzdialenosti. Určte úspešnosť tejto klasifikácie.
6. Pre klasifikáciu podľa minimálnej vzdialenosti použite metódu najbližšieho
suseda. Určte úspešnosť tejto klasifikácie. Môžete skúsiť klasifikovať použtím
k-najbližších susedov, kde k = 2, 3, . . . a tiež prostredníctvom rôznych
metrik. Pretože sa jedná o metódu zhlukovania pre jednotlivé príklady zobrazte
dendogram.
7. Rozhodnite, ktorá z daných klasifikácií je najúspešnejšia.
Zobrazenie deliacich čiar
1. Pre oba typy lineárnych klasifikačných funkcií zobrazte na 2D a 3D urovni
deliace čiary a roviny pre jednotlivé dvojice a trojice znakov. 2D a 3D
obrázky dvojíc a trojíc znakov sme robili na prvom cvičení, tak do nich
stačí zobraziť len deliace čiary a roviny.
2. Deliace čiary zobrazte tiež pre klasifikácie podľa minimálnych pravdepo-
dobností.