I.

Analiza danych breast cancer wisconsin (original)

http://archive.ics.uci.edu./ml/datasets.html

1.

Zapoznaj się z opisem danych.

2.

Podziel dane na 2 części – niech część treningową stanowią obiekty 1 – 600; część testową

niech stanowią obiekty 601 – 699.

3.

Dokonaj preprocessingu danych treningowych polegającego na zastąpieniu wartości

brakujących wartościami kompletnymi. Wykonaj zamianę wg następującej strategii:

Dla każdego obiektu z wartością brakującą znajdź obiekt niezawierający wartości

brakujących będący jego najbliższym sąsiadem. Weź pod uwagę tylko obiekty z tej

samej klasy decyzyjnej, a do wyznaczenia odległości pomiędzy obiektami użyj metryki

Manhattan i uwzględnij wszystkie atrybuty z wyjątkiem pierwszego i tego na którym

dany obiekt ma wartość brakującą.

4.

Dokonaj preprocessingu danych testowych polegającego na zastąpieniu wartości brakujących

wartościami kompletnymi. Wykonaj zamianę wg następującej strategii:

- Znajdź obiekt testowy z wartością brakującą.

- Znajdź wszystkie obiekty treningowe identyczne z danym na wszystkich atrybutach z

wyjątkiem pierwszego, ostatniego (decyzyjnego) i tego, który zawiera wartość brakującą.

- Zastąp wartość brakującą wartością występującą najczęściej na danym atrybucie wśród

obiektów wyznaczonych w poprzednim kroku.

5.

Użyj metody 3-NN aby każdemu obiektowi testowemu zaproponować jedną z dwóch

wartości decyzji: 2 lub 4.

6.

Oszacuj przydatność klasyfikatora 3-NN do predykcji nowych przypadków. Użyj do tego

współczynnika dokładności klasyfikacji.

7.

Powtórz etapy 5-6 eksploracji danych stosując metodę 5-NN.

8.

Porównaj wyniki otrzymane w krokach 6 i 7.

Rozwiąż zadanie za pomocą 2 narzędzi komputerowych.

II.

Analiza danych breast tissue

http://archive.ics.uci.edu./ml/datasets.html

1.

Zapoznaj się z opisem danych.

2.

Dokonaj segmentacji danych na 6 skupisk. W trakcie podziału nie uwzględniaj atrybutu

decyzyjnego. Wykorzystaj metodę k-means.

3.

Dla każdego skupiska sprawdź jego jednorodność pod względem przynależności obiektów do

różnych klas decyzyjnych. Wyniki przedstaw w postaci graficznej – utwórz 6 wykresów

kołowych (po jednym dla każdego skupiska) na których zaznaczone będzie jaki procent

obiektów z danego skupiska należy po każdej z sześciu klas decyzyjnych.

Rozwiąż zadanie za pomocą 2 narzędzi komputerowych.