Контрольная работа по дисциплине: Интеллектуальные технологии информационной безопасности. Вариант 03
Состав работы
|
|
|
|
|
|
|
|
Работа представляет собой zip архив с файлами (распаковать онлайн), которые открываются в программах:
- Microsoft Word
Описание
Контрольная работа по методам классификации
1. Постановка задачи
Необходимо реализовать два метода классификации:
1. Метод ближайших k соседей (kNN) с весовой функцией Парзеновского окна.
2. Метод построения дерева решений (CART) с использованием критерия Джини.
Каждый студент работает с индивидуальными данными, определяемыми по последним двум цифрам пароля (в данном случае ‒ N = 03).
Требуется:
- рассчитать свои варианты по формулам;
- построить классификатор для тестовой точки по каждому методу;
- отобразить структуру дерева решений графически;
- сравнить результаты.
2. Расчёт вариантов
Для вычисления номеров выборок и функций используются формулы:
Nв=((N+13)mod11)+1
Nвф=((N+7)mod4)+1
Nвд=((N×N+2)mod11)+1
Подставим N=03:
Параметр Формула Результат
( Nв ) (kNN-выборка) ((3+13) mod 11) + 1 6
( Nвф ) (весовая функция) ((3+7) mod 4) + 1 3 (Парзеновское окно)
( Nвд ) (CART-выборка) ((3×3+2) mod 11) + 1 1
Используем обучающую выборку № 6 для метода kNN и выборку № 1 для дерева CART. Весовая функция ‒ № 3 (Парзеновское окно, h = 0.1).
3. Метод ближайших k соседей (kNN)
3.1. Исходные данные
3.2. Программная реализация
3.3. Результат вычислений
3.4. Графическая визуализация метода kNN
4. Метод решающего дерева (CART)
4.1. Исходные данные
4.2. Алгоритм построения
4.3. Программная часть
4.4. Графическое представление дерева
5. Итоговое сравнение
6. Заключение
Листинг исходного кода
1. Постановка задачи
Необходимо реализовать два метода классификации:
1. Метод ближайших k соседей (kNN) с весовой функцией Парзеновского окна.
2. Метод построения дерева решений (CART) с использованием критерия Джини.
Каждый студент работает с индивидуальными данными, определяемыми по последним двум цифрам пароля (в данном случае ‒ N = 03).
Требуется:
- рассчитать свои варианты по формулам;
- построить классификатор для тестовой точки по каждому методу;
- отобразить структуру дерева решений графически;
- сравнить результаты.
2. Расчёт вариантов
Для вычисления номеров выборок и функций используются формулы:
Nв=((N+13)mod11)+1
Nвф=((N+7)mod4)+1
Nвд=((N×N+2)mod11)+1
Подставим N=03:
Параметр Формула Результат
( Nв ) (kNN-выборка) ((3+13) mod 11) + 1 6
( Nвф ) (весовая функция) ((3+7) mod 4) + 1 3 (Парзеновское окно)
( Nвд ) (CART-выборка) ((3×3+2) mod 11) + 1 1
Используем обучающую выборку № 6 для метода kNN и выборку № 1 для дерева CART. Весовая функция ‒ № 3 (Парзеновское окно, h = 0.1).
3. Метод ближайших k соседей (kNN)
3.1. Исходные данные
3.2. Программная реализация
3.3. Результат вычислений
3.4. Графическая визуализация метода kNN
4. Метод решающего дерева (CART)
4.1. Исходные данные
4.2. Алгоритм построения
4.3. Программная часть
4.4. Графическое представление дерева
5. Итоговое сравнение
6. Заключение
Листинг исходного кода
Дополнительная информация
Зачет без замечаний!
Год сдачи: 2025 г.
Преподаватель: Ракитский А.А.
Помогу с другим вариантом.
Выполняю работы на заказ по следующим специальностям:
МТС, АЭС, МРМ, ПОВТиАС, ПМ, ФиК и др.
E-mail: help-sibguti@yandex.ru
Год сдачи: 2025 г.
Преподаватель: Ракитский А.А.
Помогу с другим вариантом.
Выполняю работы на заказ по следующим специальностям:
МТС, АЭС, МРМ, ПОВТиАС, ПМ, ФиК и др.
E-mail: help-sibguti@yandex.ru
Похожие материалы
Контрольная работа по дисциплине: Интеллектуальные технологии информационной безопасности. Вариант 05
SibGUTI2
: 25 июля 2024
Контрольная работа по методам классификации
Контрольная работа состоит из нескольких заданий. От варианта студента (2 последние цифры пароля) зависят входные данные, для которых будут решаться задания, а также некоторые особенности выполнения заданий.
Предоставляются наборы данных, в зависимости от варианта, для этих данных необходимо:
1) Построить классификатор на основе метода ближайших k соседей и определить класс тестового значения (методические указания и пример приведены ниже); От вариант
400 руб.
Контрольная работа по дисциплине: Интеллектуальные технологии информационной безопасности. Вариант №19
IT-STUDHELP
: 7 октября 2023
Вариант №19
Контрольная работа по методам классификации
Выбор варианта: N = 19
Вариант выборки для метода ближайших соседей определяется по формуле:
N_в=((N+13)mod11)+1=11.
Обучающая последовательность и тестовый объект:
11) (X,Y)={ (7,2,1), (8,1,1), (8,7,1), (8,2,1), (9,9,1), (6,8,1), (13,8,2), (6,1,2),(11,8,2), (4,12,3), (7,14,3), (1,8,3), (9,6,3)}: тестовый объект x’=(13,10).
Вариант весовой функции определяется по формуле:
N_вф=((N+7)mod4)+1=3.
Весовая функция:
3) — метод парзеновск
600 руб.
Контрольная работа по дисциплине: Интеллектуальные технологии информационной безопасности. Вариант №10
IT-STUDHELP
: 7 октября 2023
Вариант №10
Выбор варианта:
N = 10
Вариант выборки для метода ближайших соседей определяется по формуле:
N_в=((N+13)mod11)+1=2
Вариант весовой функции определяется по формуле:
N_вф=((N+7)mod4)+1=2
Вариант выборки для метода построения решающего дерева определяется по формуле:
N_вд=((N*N+2)mod11)+1=4
Обучающая последовательность и тестовый объект для метода ближайших соседей:
2) (X,Y)={(2,7,1), (6,6,1), (8,6,1), (7,5,1), (5,9,1), (9,9,2), (11,2,2), (6,4,2), (10,9,2), (8,6,3), (1,10,3), (9,7,3),
600 руб.
Контрольная работа по дисциплине: Интеллектуальные технологии информационной безопасности. Вариант №5
IT-STUDHELP
: 19 июня 2023
Контрольная работа
Вариант No5
Выбор варианта:
N = 5
Вариант выборки для метода ближайших соседей определяется по формуле:
N_в=((N+13)mod11)+1=8
Вариант весовой функции определяется по формуле:
N_вф=((N+7)mod4)+1=1
Вариант выборки для метода построения решающего дерева определяется по формуле:
N_вд=((N*N+2)mod11)+1=6
Обучающая последовательность и тестовый объект для метода ближайших соседей:
8) (X,Y)={ (5,9,1), (2,9,1), (3,7,1), (8,8,2), (14,4,2), (10,1,2), (12,4,2), (7,7,2), (12,7,2), (9,13,3
700 руб.
Лабораторная работа №3 по дисциплине: Интеллектуальные технологии информационной безопасности. Вариант 03
Учеба "Под ключ"
: 9 марта 2026
Лабораторная работа №3
«Регрессия»
Цель работы
Построить модель логистической регрессии для бинарной классификации новостей (поддельная/правдивая), провести не менее 10 случайных экспериментов с разбиением 70/30, оценить долю правильных ответов (accuracy), свести результаты в таблицу и проверить работу модели на одном конкретном примере.
1. Загрузка данных и разметка классов
Фрагмент кода:
Результат (из лога):
2. Построение конвейера признаков и модели
Фрагмент кода:
3. Серия из
800 руб.
Лабораторная работа №2 по дисциплине: Интеллектуальные технологии информационной безопасности. Вариант 03
Учеба "Под ключ"
: 9 марта 2026
Лабораторная работа №2
«Решающие деревья»
Цель работы
Построить и сравнить два классификатора для распознавания типа сетевой атаки по данным KDD: (1) решающее дерево и (2) случайный лес. Использовать разбиение 70/30, кодировать категориальные признаки one-hot, провести перебор гиперпараметров, зафиксировать процент правильности (accuracy) для разных настроек и выбрать лучшие параметры по точности.
1. Загрузка и подготовка данных
Фрагмент кода:
Результаты (из лога).
2. Решающее дерев
800 руб.
Лабораторная работа №1 по дисциплине: Интеллектуальные технологии информационной безопасности. Вариант 03
Учеба "Под ключ"
: 9 марта 2026
Лабораторная работа №1
«Метод k ближайших соседей»
Цель работы
Цель ‒ реализовать и исследовать классификатор на основе метода k ближайших соседей в взвешенной модификации (NV=1) в соответствии с формулами выбора по Nc. Согласно заданию, веса задаются как w_i=((k+1-i)/k)^q при q ∈ {2,3,4} (Nw=2), а файл данных выбирается по формуле Nf=((Nc+2) mod 5 + 1, что для Nc=03 даёт data1.csv. Данные случайно разбиваются на три равные части; две части используются для обучения, одна ‒ для теста, при
800 руб.
Онлайн Тест по дисциплине: Интеллектуальные технологии информационной безопасности.
IT-STUDHELP
: 29 сентября 2023
Вопрос No1
К основным задачам машинного обучения относятся:
Поиск скрытых закономерностей, генерация новых знаний
Классификация, кластеризация, регрессия, уменьшение размерности и прогнозирование
Обработка специализированных наборов данных, генерация новых наборов данных, сжатие данных
Повышение точности прогноза по сравнению с некоторой существующей прогнозирующей или решающей моделью, виртуализация данных, оптимизация
Вопрос No2
MSE это
Measure Square Evaluating, оценка квадратичной
700 руб.
Другие работы
Лабораторная работа 7.3 по дисциплине: «Физика»
oksana111
: 3 марта 2013
«Определение длины электромагнитной волны методом дифракции Фраунгофера»
Цель работы:
Исследовать явление дифракции электромагнитных волн. С помощью дифракционной решетки проходящего света измерить длины электромагнитных волн видимого диапазона
1. Выбрать линзу “Л2”, задав фокусное расстояние L от 25 до 35 см.
2. Получить интерференционную картину на экране.
3. Установить красный светофильтр. Измерить расстояние l1 от середины максимума первого порядка до середины центрального максимума по шкале
100 руб.
Расчет строительный
bwilliam
: 8 мая 2009
Делал когда-то какой-то кусок строительного расчета, не помню к чему относится, но там есть понятия потери руды и строительство днища ... вообщем, выкладываю как есть, может кому-то сгодятся :)
маткад 13
Курсовая работа "Спутниковые и радиорелейные системы передачи" ВАРИАНТ 18
настя2014
: 30 ноября 2016
4 Задание на курсовой проект
Задание выполняется в следующем порядке:
1. Определить число пролетов ЦРРЛ, рассчитать их длины, составить структурную схему радиорелейной линии.
2. Привести краткую характеристику используемой аппаратуры.
3. Разработать структурную схему оконечной станции ЦРРЛ.
4. Определить оптимальные высоты подвеса антенн на пролетах ЦРРЛ.
5. Определить нормируемое значение устойчивости связи на ЦРРЛ и сравнить его с расчетной величиной .
6. Рассчитать устойчивость связи с
60 руб.
Измеритель коэффициента шума
GnobYTEL
: 13 ноября 2012
ИЗМЕРИТЕЛЬ КОЭФФИЦИЕНТА ШУМА, КОЭФФИЦИЕНТ ШУМА, КОЭФФИЦИЕНТ ПЕРЕДАЧИ, БЛОК ЦИФРОВОЙ ОБРАБОТКИ СИГНАЛА, СМЕСИТЕЛЬ, ФИЛЬТР НИЖНИХ ЧАСТОТ.
Объектом проектирования является блок цифровой обработки сигнала ПЧ (ЦОС ПЧ), входящий в измеритель коэффициента шума (ИКШ).
Цель данного проекта - разработка блока цифровой обработки сигнала ПЧ (ЦОС ПЧ), улучшение технических характеристик ИКШ за счет выбора новой элементной базы.
В результате проектирования проведен анализ методов измерения КШ, анализ принципо
5 руб.