Лабораторная работа №1 по дисциплине: Интеллектуальные технологии информационной безопасности. Вариант 03
Состав работы
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Необходимые программы
Работа представляет собой zip архив с файлами (распаковать онлайн), которые открываются в программах:
- Microsoft Excel
- Программа для просмотра текстовых файлов
- Microsoft Word
Описание
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 этом обучающая часть выбирается с минимальным дисбалансом классов. Параметры k (нечётные) и q подбираются методом LOO (leave-one-out) на обучающей выборке. Итоговая метрика качества (accuracy) оценивается один раз на тестовой части, сохраняются таблицы с результатами LOO и предсказаниями на тесте.
1. Загрузка данных и автоматическое определение столбцов (f1, f2, y)
Фрагмент кода:
Результат (лог):
2. Случайное разбиение на 3 равные части и выбор максимально сбалансированного train
Фрагмент кода:
Результат (лог):
3. Стандартизация признаков по обучающей части (Z-score)
Фрагмент кода:
Результат (лог):
4. LOO-подбор параметров k и q на обучении
Фрагмент кода:
Результаты (лог + таблица):
5. Финальная оценка на тестовой части и сохранение артефактов
Фрагмент кода:
Результаты (лог):
Заключение
Листинг исходного кода:
«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 этом обучающая часть выбирается с минимальным дисбалансом классов. Параметры k (нечётные) и q подбираются методом LOO (leave-one-out) на обучающей выборке. Итоговая метрика качества (accuracy) оценивается один раз на тестовой части, сохраняются таблицы с результатами LOO и предсказаниями на тесте.
1. Загрузка данных и автоматическое определение столбцов (f1, f2, y)
Фрагмент кода:
Результат (лог):
2. Случайное разбиение на 3 равные части и выбор максимально сбалансированного train
Фрагмент кода:
Результат (лог):
3. Стандартизация признаков по обучающей части (Z-score)
Фрагмент кода:
Результат (лог):
4. LOO-подбор параметров k и q на обучении
Фрагмент кода:
Результаты (лог + таблица):
5. Финальная оценка на тестовой части и сохранение артефактов
Фрагмент кода:
Результаты (лог):
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 03
Учеба "Под ключ"
: 9 марта 2026
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 каж
1500 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.
Лабораторные работы 1-3 по дисциплине: Интеллектуальные технологии информационной безопасности. Вариант №10
IT-STUDHELP
: 7 октября 2023
Лабораторная работа 1. «Метод k ближайших соседей»
Вариант 10
Выбор варианта:
NC = 10
Тип классификатора:
NВ = (NC mod 3) + 1 = 2
3. Метод парзеновского окна с фиксированным h.
Вариант функции ядра для метода празеновского окна определяется по формуле:
NЯ = ((NC · 6 + 13) mod 8 mod 3) + 1 = 2
2. T — треугольное K(x) = (1 − r)[r ≤ 1]
Вариант файла с данными для классификации определяется по формуле:
NФ = ((NC + 2) mod 5) + 1 = 3
Файл: data3.csv.
1 Результаты тестирования
Надёжность предсказа
900 руб.
Лабораторные работы 1-3 по дисциплине: Интеллектуальные технологии информационной безопасности. Вариант №19
IT-STUDHELP
: 7 октября 2023
Вариант №19
Лабораторные работы 1
Варианты (вариант № 19): функции №3, выборки № 2, ядра № 3.
2. Метод парзеновского окна с фиксированным h. Используется прямоугольное ядро.
=============================================
Лабораторная работа 2. «Решающие деревья»
1 Таблицы, показывающие % точности предсказания типа атак в зависимости от изменения параметров дерева решений и леса
Таблица 1. Результаты N запусков Решающего дерева
Максимальная глубина дерева
(max_depth) Максимальное количеств
900 руб.
Лабораторные работы 1-3 по дисциплине: Интеллектуальные технологии информационной безопасности. Вариант №5
IT-STUDHELP
: 19 июня 2023
Лабораторная работа 1. «Метод k ближайших соседей»
Вариант 05
Выбор варианта:
NC = 5
Тип классификатора:
NВ = (NC mod 3) + 1 = 3
3. Метод парзеновского окна с относительным размером окна.
Вариант функции ядра для метода празеновского окна определяется по формуле:
NЯ = ((NC · 6 + 13) mod 8 mod 3) + 1 = 1
1. Q — квадратическое K(x) = (1 - r2)2[r ≤ 1]
Вариант файла с данными для классификации определяется по формуле:
NФ = ((NC + 2) mod 5) + 1 = 3
Файл: data3.csv.
1 Результаты тестирования
Над
1000 руб.
Лабораторная работа №1 по дисциплине: Интеллектуальные технологии информационной безопасности. «Метод k ближайших соседей». Вариант 05
SibGUTI2
: 25 июля 2024
Лабораторная работа No1
«Метод k ближайших соседей»
Вариант: 05
Задание на лабораторную работу 1:
Суть лабораторной работы заключается в написании классификатора на основе метода k ближайших соседей. Данные из файла необходимо разбить на две выборки, обучающую и тестовую, согласно общепринятым правилам разбиения. На основе этих данных необходимо обучить разработанный классификатор. На обучающей выборке следует подобрать необходимые параметры метода для лучшей точности, а на тестовой выборке од
350 руб.
Контрольная и Лабораторные работы 1-3 по дисциплине: Интеллектуальные технологии информационной безопасности. Вариант №10
IT-STUDHELP
: 7 октября 2023
Вариант No10
Контрольная работа
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)
1150 руб.
Другие работы
Контрольная работа ЦОС Вариант №01
sxesxe
: 20 января 2018
Задание
Спроектировать цифровой фильтр на основе сигнального процессора 1813ВЕ1 при следующих требованиях:
1. Передаточная характеристика цифрового фильтра:
Исходные данные приведены в таблице 1.
Таблица 1.
№ варианта А0 А1 А2 А3 В1 В2 В3
01 0,95 0,8 -0,7 0,6 0,51 0,48 0,39
В соответствии с заданным вариантом, передаточная характеристика имеет вид:
2. Разрядность входного слова равна 9.
3. Разрядность обрабатываемых результатов - 24.
4. Входное воздействие:
где – порядковый номер по
250 руб.
Суров Г.Я. Гидравлика и гидропривод в примерах и задачах Задача 2.56
Z24
: 14 ноября 2025
В сообщающиеся сосуды налиты жидкости, имеющие относительные плотности соответственно в левом δ=1,15, в правом δ=0,83 (рис. 2.29). Определить разность уровней h2, если абсолютное давление в точке с рс=128 кПа.
150 руб.
Отчет по производственной практике в головном офисе банка ОАО АКБ «Урал ФД»
ДО Сибгути
: 20 марта 2013
Оглавление
Глава I. Исходные данные о банке «Урал ФД» 3
1.1. Общая информация и численность персонала 3
1.2. Акционеры и клиенты банка 6
1.3. Положение банка на рынке финансовых услуг Пермского края 7
Глава II. Организационная структура и управление кадрами 11
2.1. Основные положения локальных нормативно-правовых актов банка 11
2.2. Организационная структура ОАО АКБ «Урал ФД» 13
2.3. Организация труда и его оплата 15
Глава III. Описание деятельности банка 17
3.1. Виды предоставляемых услуг 17
3.
71 руб.
ДБН В.1.1-5-2000. Будинки і споруди на підроблюваних територіях і просідаючих грунтах. Частина 2
evelin
: 3 июля 2013
Внесені: Державним науково-дослідним інститутом будівельних конструкцій (НДІБК) Держбуду України.
Підготовлені до Управлінням промислової забудови, інженерної інфра-затвердження: структури та захисту територій Держбуду України.
Затверджені: наказом Держбуду України від 30.12.99 p. № 314 і введені в дію з 1 липня 2000 p.
З введенням в дію ДБН В. 1.1-5-2000 втрачають чинність на території України: СНиП 2.01.09-91 / Госстрой СССР; РСН 227-88 / Госстрой УССР; РСН 297-78 / Госстрой УССР; РСН 340-86 /