Ifi6057labx

Masinõppe katsetamine

Uuri, mis on masinõppe abil klassifitseerimine. Vt. näiteks AIMA, 18.3 ja 18.7; Machine learning "Hello World"

Vali üks masinõppeks sobiv tarkvarapakett ning katseta klassifitseerimise meetodeid: otsustuspuu ja/või närvivõrgud. Eesmärgiks on õppida inimese andmete põhjal ennustama, kas ta jääb ellu või upub Titanicu laevahukus. Võta siit lehelt train.csv ja õpeta valitud klassifitseerija välja. Andmete kirjeldus on samal githubi lehel. Siis kasuta test.csv-d testandmeid testimiseks (mitu protsenti täppi läheb). Testandmed on samas formaadis kui treeningandmed.

Katsetamine peaks sisaldama mingit võrdlust - proovi erinevaid meetodeid üksteise vastu, ühte meetodit erinevate parameetritega või ühte meetodit erinevalt eeltöödeldud sisenditega. Tulemuste kohta tuleb teha detailne raport.

Vahendid

Kursuse õpiku jaoks on koostatud spetsiaalsed teegid (näit aima-python ja aima-java), mis implementeerivad õpikus toodud algoritme. Paraku on need kohati poolikud, kohati liiga primitiivsed, et Titanicu andmetaga midagi pihta hakata. Seega oleks soovitus võtta üks kahest meinstriim paketist - mõlemad peaks olema omas valdkonnas kõige populaarsemad ja hästi dokumenteeritud:

• http://scikit-learn.org/stable/index.html - Python
• http://www.cs.waikato.ac.nz/ml/weka/ - Java

Andmete eeltöötlus

Treeningandmed ei pruugi esialgsel kujul õppimiseks kõige paremad olla. Näiteks on küsitav, kas pardale tulemise sadam või piletihind on ellujäämise ennustamiseks kasulik informatsioon või hoopis häiriv müra. Samuti sõltub andmete sobivus valitud meetodist ja masinõppe paketist. Näiteks närvivõrgud saavad tehnilistel põhjustel otse sisse süüa ainult numbrilisi andmeid. Eeltöötluseks võib valitud paketis juba olla sobivaid funktsioone.

Raport

Raport on PDF formaadis ja sisaldab:

• Sissejuhatus. Valitud meetod. Mis eksperiment teostatakse (mida võrreldi millega ja ei tee paha panna kirja ka, miks just nii).
• Eksperimendi kirjeldus. Kuidas andmeid eeltöödeldi. Mismoodi katsetati. Kirjelduse põhjal peaks olema võimalik katseid samamoodi järgi teha.
• Tulemused. Sisaldab erinevate katsete võrdlust (vt. ülalpool). 5 boonuspunkti saamiseks lisa siia vähemalt üks õppimiskõvera graafik (ei pea nii peene resolutsiooniga olema, piisab ~10-st erinevast treeningsisendi suurusest).

(Pilt võetud S. Russelli slaididelt)

• Kokkuvõte.

Esitamine

Töö saadetakse õppejõule aadressil priit at whitedb.org hiljemalt 27. novembriks. Vaja on saata raport, mis peab iseseisvalt võimaldama aru saada, mida tehti ja mis tulemus oli. Tähtajaks esitatud nõuetele vastav töö saab kuni 20 punkti, hilinemise korral lähevad punktid alla. Üle 14 päeva hilinenud tööd vastu ei võeta.