Лабораторные работы 1-3 по дисциплине: Интеллектуальные технологии информационной безопасности. Вариант №10
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 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 предсказания реализованного классификатора на тестовой выборке составила 95.27 % при ширине h = 2.
2 Листинг программы
=============================================
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
4 Листинг программы
=============================================
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 %.
2 Листинг программы
=============================================
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 предсказания реализованного классификатора на тестовой выборке составила 95.27 % при ширине h = 2.
2 Листинг программы
=============================================
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
4 Листинг программы
=============================================
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 %.
2 Листинг программы
=============================================
Дополнительная информация
Проверил(а): Ракитский Антон Андреевич
Оценка: Отлично
Дата оценки: 07.10.2023г.
Помогу с вашим вариантом, другой дисциплиной, онлайн-тестом, либо сессией под ключ.
E-mail: sneroy20@gmail.com
E-mail: ego178@mail.ru
Оценка: Отлично
Дата оценки: 07.10.2023г.
Помогу с вашим вариантом, другой дисциплиной, онлайн-тестом, либо сессией под ключ.
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 №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.
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.
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 №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.
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.
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.
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.
Другие работы
Лабораторная работа №2 Изучение характеристик, принципа действия и конструкций фотодетекторов. Вариант 1
dolgusha
: 2 мая 2018
1. Постройте спектральную характеристику чувствительности одного фотодиода (на ваш выбор). Определите широкополосность фотодиода (или полосу пропускания). Полосу пропускания определяют на уровне 0,707∙SM, где SM – максимальная чувствительность фотодиода на длине волны λ0.
2. Используя полученные значения напряжений и токов, постройте семейство вольт - амперных характеристик одного из фотодиодов (на ваш выбор). Характеристику темнового тока постройте в той же системе координат. Для каждой в
40 руб.
Страхование в США
evelin
: 28 августа 2013
Содержание.
Введение. стр. 3
1. Страхование жизни и
здоровья. стр. 4
2. Страхование домов, квартир
и движимого имущества. стр. 7
3. Страхование автомобиля. стр. 10
4. Другие виды страхования. стр. 12
Заключение.
10 руб.
Организация банковского кредитования
alfFRED
: 3 ноября 2012
ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ВОПРОСЫ ОРГАНИЗАЦИИ БАНКОВСКОГО КРЕДИТОВАНИЯ
1.1. Экономическая сущность и этапы процесса кредитования
1.2. Формы и функции кредита
1.3. Основные принципы банковского кредита
ГЛАВА 2. КРЕДИТНАЯ ПОЛИТИКА СОВРЕМЕННЫХ БАНКОВ
2.1. Виды и условия кредитования Сбербанка России
2.2. Проблемы развития банковского кредитования
ВЫВОДЫ И ПРЕДЛОЖЕНИЯ
СПИСОК ЛИТЕРАТУРЫ
10 руб.
Принципы питания здоровых и больных детей старшего взраста(старше 1 года)
OstVER
: 3 февраля 2013
Питание детей имеет ряд отличий от питания взрослых.
В период детства, особенно у детей раннего возраста, потребность
в пищевых веществах и энергии относительно выше, чем у взрослых.
Это объясняется преобладанием ассимиляции над дессимиляцией,
связанным с бурными темпами роста и развития ребенка.
Научное обоснование норм потребности детей разных возрастных
групп в пищевых веществах и обоснование наборов продуктов,
необходимых для покрытия этих потр
5 руб.