Лабораторные работы 1-3 по дисциплине: Интеллектуальные технологии информационной безопасности. Вариант №5
Состав работы
|
|
|
|
|
|
|
|
Работа представляет собой rar архив с файлами (распаковать онлайн), которые открываются в программах:
- Microsoft Word
Описание
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
Надёжность предсказания реализованного классификатора на тестовой выборке составила 94.39 %.
=============================================
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 количество
листьев
(max_leaf_nodes) точность предсказания в
процентах
1 1 2 83,9%
2 5 10 93,2%
3 50 100 98,8%
4 100 200 99,0%
Таблица 2. Результаты M запусков леса
Максимальная глубина дерева
(max_depth) Максимальное количество
листьев
(max_leaf_nodes) Количество деревьев
(n_estimators) точность предсказания в
процентах
1 1 1 2 77,7%
2 5 5 10 93,4%
3 50 50 100 96,9%
4 100 100 200 99,9%
2 Параметры дерева, на которых достигается наилучшая точность предсказания
Максимальная глубина дерева (max_depth): 100
Максимальное количество листьев (max_leaf_nodes): 200
3 Параметры леса, на которых достигается наилучшая точность предсказания
Максимальная глубина дерева (max_depth): 100
Максимальное количество листьев (max_leaf_nodes): 100
Количество деревьев (n_estimators): 200
=============================================
Лабораторная работа 3. «Регрессия»
1 Результаты работы программы
Таблица 1. Результаты 10 запусков
Номер запуска Процент правильности предсказания типа статьи
1 98.7 %
2 98.5 %
3 98.7 %
4 98.5 %
5 98.6 %
6 98.6 %
7 98.3 %
8 98.8 %
9 98.7 %
10 98.6 %
Среднее значение предсказания типа статьи исходя из 10 запусков: 98,6 %.
=============================================
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
Надёжность предсказания реализованного классификатора на тестовой выборке составила 94.39 %.
=============================================
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 количество
листьев
(max_leaf_nodes) точность предсказания в
процентах
1 1 2 83,9%
2 5 10 93,2%
3 50 100 98,8%
4 100 200 99,0%
Таблица 2. Результаты M запусков леса
Максимальная глубина дерева
(max_depth) Максимальное количество
листьев
(max_leaf_nodes) Количество деревьев
(n_estimators) точность предсказания в
процентах
1 1 1 2 77,7%
2 5 5 10 93,4%
3 50 50 100 96,9%
4 100 100 200 99,9%
2 Параметры дерева, на которых достигается наилучшая точность предсказания
Максимальная глубина дерева (max_depth): 100
Максимальное количество листьев (max_leaf_nodes): 200
3 Параметры леса, на которых достигается наилучшая точность предсказания
Максимальная глубина дерева (max_depth): 100
Максимальное количество листьев (max_leaf_nodes): 100
Количество деревьев (n_estimators): 200
=============================================
Лабораторная работа 3. «Регрессия»
1 Результаты работы программы
Таблица 1. Результаты 10 запусков
Номер запуска Процент правильности предсказания типа статьи
1 98.7 %
2 98.5 %
3 98.7 %
4 98.5 %
5 98.6 %
6 98.6 %
7 98.3 %
8 98.8 %
9 98.7 %
10 98.6 %
Среднее значение предсказания типа статьи исходя из 10 запусков: 98,6 %.
=============================================
Дополнительная информация
Проверил(а): Ракитский Антон Андреевич
Оценка: Зачет
Дата оценки: 19.06.2023г.
Помогу с вашим вариантом, другой работой, дисциплиной или онлайн-тестом.
E-mail: sneroy20@gmail.com
E-mail: ego178@mail.ru
Оценка: Зачет
Дата оценки: 19.06.2023г.
Помогу с вашим вариантом, другой работой, дисциплиной или онлайн-тестом.
E-mail: sneroy20@gmail.com
E-mail: ego178@mail.ru
Похожие материалы
Контрольная и Лабораторные работы 1-3 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
1450 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.
Контрольная и Лабораторные работы 1-3 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
1150 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.
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. “Регрессия”. Для всех вариантов
SibGUTI2
: 25 июля 2024
Лабораторная работа No3
“Регрессия”
Целью данной лабораторной работы является разработка программы, реализующей применение метода логистической регрессии к заданному набору данных.
В набор данных входят 2 файла, в «True» находится информация о правдивых новостных заметках, в «Fake.csv» находится информация о поддельных новостях. Каждый файл состоит из следующих полей:
1. (title) – заголовок статьи;
2. (text) – содержимое статьи;
3. (subject) – тип новости;
4. (date) – дата опубликования стать
350 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
Разработка конструкции наклонной камеры зерноуборочного комбайна КЗС - 1420
Shloma
: 15 мая 2020
В дипломном проекте на тему: " Разработка конструкции наклонной камеры зерноуборочного комбайна " проводится обзор конструкций, анализ аналогов и патентный поиск по зерноуборочным комбайнам. Проведен анализ аналогов конструкций наклонных камер зерноуборочных комбайнов и патентный поиск. Проведены кинематический и энергети-ческий расчеты, а также прочностной расчет нижнего вала наклонной камеры. Выполнен технологический расчет. Разработаны мероприятия по рациональной эксплуатации, ремонту и ТО
1590 руб.
Изучение степени удовлетворенности потребителей
alfFRED
: 23 февраля 2014
Для изучение степени удовлетворенности потребителей была проведен анкетированный опрос среди покупателей магазина “Аккорд”. Информация, полученная нами из заполненных анкет, позволит значительно оптимизировать работу предприятия и в еще большей степени повысить качество нашей продукции, а также обслуживания.
Аккорд расположен на пересечение улицы Победы с улицей Шлютого, пользуется большим спросом так как, находится в плотно населенном районе, не имеет ближайших конкурентов. Магазин специализиру
10 руб.
Проспект эмиссии, условия его выпуска и регистрации
ostah
: 4 ноября 2012
План
Стандарты эмиссии ценных бумаг
Процедура эмиссии и ее особенности
Регистрация проспекта эмиссии
Правила размещения ценных бумаг
Отчет об итогах выпуска эмиссионных ценных бумаг
Правила регистрации отчета об итогах выпуска ценных бумаг
Этапы выпуска ценных бумаг
Форма удостоверения прав по ценным бумагам
Информация о выпуске ценных бумаг, раскрываемая эмитентом
Условия размещения выпущенных эмиссионных ценных бумаг
30 руб.
Термодинамика и теплопередача ТюмГНГУ Теория теплообмена Задача 2 Вариант 28
Z24
: 11 января 2026
Воздух течет внутри трубы, имея среднюю температуру tв, давление р1=1 МПа и скорость ω. Определить коэффициент теплоотдачи от трубы к воздуху (α1), а также удельный тепловой поток, отнесенный к 1 м длины трубы, если внутренний диаметр трубы d1, толщина ее δ и теплопроводность λ1=20 Вт/(м·К). Снаружи труба омывается горячими газами. Температура и коэффициент теплоотдачи горячих газов, омывающих трубу, соответственно равны tг, α2. Данные, необходимые для решения задачи выбрать из табл. 6. Физиче
180 руб.