Uczenie maszynowe i sztuczne sieci neuronowe cw: Różnice pomiędzy wersjami

Z Brain-wiki
Linia 12: Linia 12:
 
#* [https://drive.google.com/open?id=1BY9TSukNLV3VgtNdHpcgWofeAtVF4yku Ćwiczenie z klasyfikacji tekstów za pomocą klasyfikacji bayesowskiej (notebook)]
 
#* [https://drive.google.com/open?id=1BY9TSukNLV3VgtNdHpcgWofeAtVF4yku Ćwiczenie z klasyfikacji tekstów za pomocą klasyfikacji bayesowskiej (notebook)]
 
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 10|Klasyfikacja z użyciem SVM]]
 
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Ćwiczenia 10|Klasyfikacja z użyciem SVM]]
 +
#* [https://drive.google.com/open?id=13Q6pB7R8v-BkdMwCyMrJUJui5mU-k9wi notebook]
 
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/SVM2 | Klasyfikacja z użuciem SVM 2]]
 
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/SVM2 | Klasyfikacja z użuciem SVM 2]]
 
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Wybor_cech |Wybor optymalnych cech]]
 
# [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/Wybor_cech |Wybor optymalnych cech]]

Wersja z 17:07, 21 mar 2018

Przejście do Wykładów

Konfiguracja środowiska

Ćwiczenia:

  1. Regresja liniowa. (Wersja w jupyter notebook). Dla chętnych praca domowa: Regresja liniowa jako filtr i zastosowanie do modelowania szeregu czasowego.
  2. Regresja logistyczna (W2), walidacja, krzywe ROC(W3)
  3. Klasyfikacja Bayesowska, modele generatywne (irysy i klasyfikacja tekstów)
  4. Klasyfikacja z użyciem SVM
  5. Klasyfikacja z użuciem SVM 2
  6. Wybor optymalnych cech
  7. Drzewa decyzyjne
  8. Uczenie bez nadzoru i analiza skupień
  9. Nieliniowe sieci neuronowe: problem XOR
  10. Regresja nieliniowa
  11. Klasyfikacja z użyciem nieliniowej sieci neuronowej
  12. Projekty


Źródło: „http://brain.fuw.edu.pl/edu/index.php?title=Uczenie_maszynowe_i_sztuczne_sieci_neuronowe_cw&oldid=7653”