Prednaska 2

• Deskriptivni modely - shlukova analyza
• Predikcni modely - regrese, klasifikace

• viz slidy

model: y = f(x)

• Klasifikacni model - y je nominalni (nazev tridy)
• Regresni model - y je spojita velicina (teplota, vyska … cislo)

• 2 faze
  • uceni, trenovani-upravuje se vnitrni struktura, parametry
  • vybavovani,pouziti - neovlivnuje model

• ma referencni data - vyhleda nejpodobnejsi(nejblizsi) z referencnich dat a klasifikuje ho stejnou tridou
• trenovani - ulozeni trenovacich dat
• vybavovani - aplikace modelu

• Euklidovska vzdalenost
• Manhattonska vzdalenost

• atribut ma vahu podle sve hodnoty
• nutno normalizovat data <0,1> (napr normalizace - min/max)

• klasifikace - najdi k nejblizsich sousedu a klasifikuj majoritni tridou
• volba vhodneho k - problem

• klasifikuje dobre na trenovaci mnozine, ale neni aplikovatelny na realna data - vysoka chybovost
• reseni - rozdeleni trenovacich dat na trenovaci a testovaci

• uceni na trenovaci mnozine
• odhad chyby
• vypocet chyby modelu
  • klasifikace
    • procento nespravnych odpovedi
  • regrese
    • soucet (ctvercu) odchylek
    • průměrný čtverec odchylky
    • odmocnina průměrného čtverce odchylky (RMSE)

• rozdeleni trenovacich dat na foldy
• 1 fold na testovani, zbytek na trenovani
• N x menime testovaci fold