NAI, ćwiczenia do wykładu B.1








Niby całkiem naiwny Bayes...




  Zadanie 1
Zaimplementować naiwny klasyfikator Bayesa i sprawdzić poprawność działania na zbiorze car z bazy UCI.
(http://archive.ics.uci.edu/ml/datasets/Car+Evaluation).


  Zadanie 2
wykorzystując walidację krzyżowśą porównać zdolność klasyfikowania sieci neuronowej i klasyfikatora Bayesa na przykład na zbiorze car z bazy UCI (lub na dowolnym innym zbiorze z tego repozytorium, którego wszystkie atrybuty są jakościowe).


  Zadanie 3
Zgromadzić artykuły z kilku dziedzin, np. konkretna dyscyplina sportowa, kino, recencje książek. W obrębie każdej kategorii stworzyć histogramy wystąpień poszczególnych słów w artykułach. Stosując własne (rozsądne) kryterium "ważności" słowa, stworzyć jeden słownik słów istotnych dla wybranych kategorii.



  Zadanie 4
Wykorzystując słownik utworzony w zadaniu 3., na podstawie artykułów stworzyć zbiór uczący postaci:


nrArtykułu liczbaWystąpieńSłowa1zeSłownika liczbaWystąpieńSłowa2zeSłownika ... liczbaWystąpieńSłowaNzeSłownika kategoria
np.:
A19 4 3 ... 2 sport
A20 0 0 ... 7 kino
A21 2 1 ... 4 kino
. . . ... . ........
. . . ... . .....
. . . ... . ...........


Przykładowo w artykule A19 pierwsze słowo pojawiło się 4 razy, drugie zaś 3 a ostatnie 2. Artykuł A19 należał do kategorii "sport".





  Zadanie 5
Dla otworzonego w zadaniu 4. zbioru uczącego, w miarę potrzeby wykonaj dyskretyzację poszczególnych atrybutów i wykorzystując klasyfikator Bayesa spróbuj zaklasyfikować nieznane artykuły.