Классификация объектов в обучающихся системах распознавания с помощью алгоритма секущих гиперплоскостей
. Выполнить генерацию исходной выборки данных (по 30 объектов каждого из 3-х классов, каждый из объектов описывается 2 признаками), используя следующий алгоритм:
Xi = {xi1, xi2},i = 1,90.
Вектор классаW1:
Вектор классаW2:
Вектор классаW3:
Где , …, – равномерно распределенные числа в интервале от 0 до 1 для генерации двух значений признаков i-ого объекта выборки; ak, bk – параметры генераторов, выбираемые из таблицы 1 согласно номеру студента в журнале.
2. Выполнить генерацию классифицируемых объектов (3 объекта, каждый из которых описывается 2 признаками), используя следующий генератор:
Xi = {xi1, xi2},i = 1,3.
Вектор классаW1:
3. Построить программно решающие правила классификации по обучающей выборке используя алгоритм секущих гиперплоскостей.
4. Выполнить ручной просчет построения решающего правила. В качестве обучающей выборки по 5 объектов каждого из классов, созданных в пункте 1 (генерацию данных можно выполнить программно или в любом математическом пакете).
Выполнить построенным решающим правилом классификацию 2-х объектов из выборки Х, созданных в пункте 2 (генерацию данных можно выполнить программно или в любом математическом пакете).
Таблица 1 – Вариант задания
Вариант
A10
B10
A20
B20
A30
B30
3
7
1
14
6
21
5
1. Коэльё Л. П., Ричерт В. Построение систем машинного обучения на языке Python. – Перевод с английского. – М.: ДМК Пресс, 2015. – с. – 330.
2. Маккинли У. Python и анализ данных. – Перевод с английского. – М.: ДМК Пресс, 2015. – 482 с. – 315.
3. Марк Лутц. Программирование на Python / Пер. с англ. – 4-е изд. – СПб.: Символ-Плюс, 2011. – Т. I. – 992 с.
