Drukuj ten rozdziałDrukuj ten rozdział

Podręcznik

2. Metody oceny jakości rozwiązań

2.5. Zadania i problemy

1. Zaproponować schemat kodowania zero-jedynkowego rozproszonego do rozpoznaniania 5 klas.

2. Porównać miary jakości 2 modeli: M1 i M2 przy standardowej definicji funkcji kosztu oraz funkcji różnicującej przypadki FN i FP. Przyjąć przy tym współczynniki KFP=1 i KFN=200. Macierze rozkładu klas są jak poniżej.

Model M1

Klasa +

Klasa –

Klasa +

500 (TP)

50 (FN)

Klasa –

50 (FP)

1000 (TN)


Model M2

Klasa +

Klasa –

Klasa +

525 (TP)

25 (FN)

Klasa –

250 (FP)

800 (TN)


3. Narysować krzywą ROC dla klasyfikatora o wynikach

Klasa

+

–

+

+

-

–

+

+

-

+

Sygnał wyjściowy

0.1

0.2

0.3

0.4

0.5

0.6

0.8

0.9

0.95

1.0

Określić wartość AUC.


4.Macierz rozkładu klas jest dana w postaci

\mathbf{R}=\left[\begin{array}{cccc} 100 & 8 & 10 & 2 \\ 3 & 150 & 0 & 7 \\ 30 & 50 & 200 & 20 \\ 7 & 3 & 90 & 500 \end{array}\right]

Określić następujące miary jakości: dokładność, precyzje klasowe oraz czułości rozpoznania poszczególnych klas.


5. Wyniki regresji uzyskane przez sieć neuronową ( y ) oraz wartości rzeczywiste procesu ( d ) podane są w tablicy poniżej

d

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

y

0.87

2.3

3.2

3.9

5.1

6.5

7.5

7.8

8.5

10.1

11.6

12.7

12.9

14.8

13.9


Narysować rozkład obu wartości na wspólnym wykresie oraz rozkład błędów. Wyznaczyć wartości miar jakości: MAPE, RMSE oraz miarę korelacyjną.