Контрольная и Лабораторные работы 1-3 по дисциплине: Интеллектуальные технологии информационной безопасности. Вариант №19

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 парзеновского окна фиксированной ширины , h=0.1.
 Вариант выборки для метода построения решающего дерева определяется по формуле:
N_вд=((N*N+2)mod11)+1=1.
 Используется та же обучающая последовательность и тестовый объект:
 1) (X,Y)={(1,8,1), (1,3,1), (3,5,1), (1,1,1), (2,7,1), (3,8,1), (2,4,1), (8,7,2),(11,12,2), (12,14,2), (8,13,2)}: тестовый объект x’=(5,8).

------------------------------------------------------------------------------

Задание:
Построить классификатор на основе метода ближайших k соседей и определить класс тестового значения.
Построить классификатор на основе алгоритма CART построения дерева принятия решений.

=============================================
=============================================

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 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

=============================================

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