Megfigyelésen alapuló tanulás

Question 1

Mi az a hipotézis függvény és mit jelent, amikor a modellünk konzisztens?

Answer 1

Adott az f-re vonatkozó minták egy halmaza, ennek alapján határozzunk meg egy h függvényt, amely közelíti f et. A h függvényt hipotézisnek (hypothesis) nevezzük
- h akkor konzisztens, ha minden minta esetén megegyezik f-el

Question 2

Hogyan definiálhatjuk a döntési fát? (bemenete, kimenete, paraméterei)

Answer 2

A hipotézis egy lehetséges reprezentációja
bemenete: attribútumokkal leírt objektum
kimenete: egy döntés
tesztsorozat végrehajtása

Question 3

Hogyan konstruálhatjuk meg a döntési fánkat?

Answer 3

• válasszuk ki a legjobb attribútumot a pozitív és negatív példák szétosztására
• ha minden példa pozitív/negatív - a válasz Igen/Nem
• nem maradt példa valamelyik válaszhoz - a válasz a szülőcsomópontban többségi válasz
• ha nincs tesztelendő attribútum

Question 4

Írja le hogy mit jelent az információ nyereség és hogyan használhatjuk a döntési fa felépítéséhez.

Answer 4

Információnyereség: információtartalom - maradék információ szükséglet
A döntési fa tanulásánál használhatjuk

Question 5

Írja le, hogyan és milyen módszerekkel lehet kiértékelni egy betanított modell pontosságát!

Answer 5

Gyűjtsünk egy nagy példahalmazt
-osszuk két diszjunkt halmazra

• tanító halmaz (training set)
• teszthalmaz (test set)

-alkalmazzuk a tanító algoritmust a tanító halmazok, és generáljunk egy h hipotézist
- mérjük meg a teszthalmazon, hogy a h hipotézis a halmaz hány százalékára ad helyes osztályba sorolást
- ismételjük meg az 1-4 lépéseket különböző tanító halmaz méretekre, különbözően választott tanító halmazokra