Podręcznik: Zadania i problemy

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 K_FP=1 i K_FN=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.