Оцените презентацию от 1 до 5 баллов!
Тип файла:
ppt / pptx (powerpoint)
Всего слайдов:
22 слайда
Для класса:
1,2,3,4,5,6,7,8,9,10,11
Размер файла:
105.15 kB
Просмотров:
63
Скачиваний:
0
Автор:
неизвестен
Слайды и текст к этой презентации:
№1 слайд
Содержание слайда: Основы теории принятия решений
Лекция 3
№2 слайд
Содержание слайда: Содержание
Алгоритм Delta-1
Алгоритм Gamma-1
Выбор алгоритмов таксономии.
Пример 1.
Примеры прикладных задач таксономии:
прогнозирование успеваемости;
ранжирование объектов.
№3 слайд
Содержание слайда: Таксономия в λ-пространстве с заданным числом таксонов
Цель: распределить по W таксонам N объектов с неоднородными характеристиками.
Реализация: алгоритм Delta-1.
Отличие от алгоритма Forel-2: неоднородность характеристик объектов.
№4 слайд
Содержание слайда: Алгоритм DELTA1
Шаг 1. Ищется - расстояние между каждой парой объектов.
Шаг 2. Строится полный взвешенный неориентированный граф G(X,U), вершины
которого отвечают объектам, а каждого рёбра (p,q) равен расстоянию между Xp и Xq.
Шаг 3. Алгоритмом Прима ищется минимальное связывающее подмножество рёбер, остальные рёбра удаляются.
Шаг 4. Полученный граф обозначить G(X,U0).
Шаг 5. i=1
Шаг 6. Выбор ребра (p,q) с максимальным весом.
Шаг 7. Ребро (p,q) отбрасывается: U0 = U0\(p,q).
Шаг 8. Если i =W, то перейти к шагу 10, нет - к шагу 9.
Шаг 9. i=i+1, перейти к шагу 6.
Шаг 10. Конец алгоритма.
№5 слайд
Содержание слайда: ПРИМЕР
№6 слайд
Содержание слайда: САМОСТОЯТЕЛЬНО
Пользуясь DINA 1, распределить по двум таксонам 5 объектов, каждый из которых обладает двумя разнородными характеристиками, заданными таблицей:
№7 слайд
Содержание слайда: САМОСТОЯТЕЛЬНО
Изменить алгоритм Delta-1 таким образом, чтобы минимизировать верхнюю границу числа объектов, принадлежащих одному таксону (т.е. сделать распределение объектов между таксонами равномерным).
Реализовать программно обе версии алгоритма.
№8 слайд
Содержание слайда: Парное сравнение алгоритмов таксономии алгоритмом Gamma-1.
№9 слайд
Содержание слайда: Обозначения и определения
Назначение алгоритма Gamma-1 заключается в том, чтобы попарно сравнивать различные алгоритмы таксономии. Для формального описания этого подхода далее используются следующие обозначения:
Si - таксономия, полученная i -м алгоритмом; «p» и «q»,- объекты;
ri(p,q) - расстояние между «p» и «q», полученное i-м алгоритмом:
(Очевидно, что p, ri(p,p)=0).
Величины ri(p,q) образуют матрицу i ( mxm матрица). ri(p,q) =0, если p и q принадлежат одному таксону и ri(p,q) =1, p и q принадлежат разным таксонам.
№10 слайд
Содержание слайда: Алгоритм Gamma-1
Шаг 1. Генерация матрицы 1.
Шаг 2.. Генерация матрицы 2.
Шаг 3. Определение максимального числа несовпадающих элементов = m(m-1).
Шаг 4. Генерация новой матрицы 3, каждый элемент которой r3(p,q) равен
r3(p,q) = |r1(p,q)-r2(p,q) |/ .
Шаг 5. Вычисление критерия F, равного сумме всех r3(p,q) и представляющего собой нормированное расстояние Хемминга между 1 и 2.
Шаг 6. Конец алгоритма.
№11 слайд
Содержание слайда: Парное сравнение алгоритмов таксономии
Пользуясь алгоритмом Gamma-1, матрицы μ1 и μ2 которого соответственно равны:
определить величину F.
№12 слайд
Содержание слайда: Выбор алгоритма таксономии
Пусть Si - таксономия m объектов, полученная i-м алгоритмом, Fi,j - нормированное расстояние Хемминга между i-м и j-м алгоритмами таксономии, полученное алгоритмом Gamma 1. Тогда характеристикой каждого i-го алгоритма Fi является сумма:
Лучшим является q-й алгоритм, для которого справедливо:
№13 слайд
Содержание слайда: Пример 1: условия
Определить, пользуясь Gamma 1, наилучший и наихудший из трех алгоритмов таксономии, матрицы μ1, μ2 и μ3 которых соответственно равны:
μ1= μ2= μ3=
№14 слайд
Содержание слайда: Пример 1: решение
Вычисление характеристик каждого i-го алгоритма Fi (i=1,2,3):
Μ12= F12 =0,5; M13 = F13=0,75;
M23= F23=0,75. F1= F12 +F13 =1,25;
F2= F12 +F23=1,25;
F3= F13 +F23=1,5;
Лучшие алгоритмы- первый и второй, худший – третий.
№15 слайд
Содержание слайда: Примеры прикладных задач таксономии
Прогнозирование успеваемости.
Ранжирование студентов.
№16 слайд
Содержание слайда: Прогнозирование успеваемости – содержательная постановка задачи.
Задана матрица, содержащая данные об оценках 3-х студентов по трем дисциплинам и одного – по первым двум. Требуется для последнего студента найти аналога среди первых двух, чтобы спрогнозировать его успеваемость по третьей дисциплине.
№17 слайд
Содержание слайда: Решение задачи прогнозирования
Исходная матрица Нормированная матрица
Расстояния от первого ученика до остальных: r(1,2)=0,7; r(1,3)=0,5; r(1,4)=0,5. Прогнозируемая оценка: 3,5. Выбранные аналоги – третий и четвертый студенты.
№18 слайд
Содержание слайда: Ранжирование студентов по успеваемости - условия
Задана матрица М, содержащая данные об оценках 5-х студентов по трем дисциплинам. Требуется ранжировать их относительно отличника.
М =
Предложите a priori Вашу версию ранжирования.
№19 слайд
Содержание слайда: Ранжирование студентов по успеваемости - нормирование
Нормированная матрица М1 (шестой студент – эталон):
М1 =
№20 слайд
Содержание слайда: Ранжирование студентов по успеваемости - упорядочение
Расстояния от i-го студента до шестого (0<i<6):
r(1,6)=0,74868;
r(2,6)=0,46669;
r(3,6)=0,67;
r(4,6)=0,5715;
r(5,6)=1.
Ранжирование студентов:
π = {2, 4, 3, 1, 5}
№21 слайд
Содержание слайда: САМОСТОЯТЕЛЬНО
Ранжировать относительно двоечника учеников, успеваемость которых описывается матрицей М:
М =
№22 слайд
Содержание слайда: САМОСТОЯТЕЛЬНО
Определить прогноз оценки первого ученика по третьей дисциплине, полагая, что:
Эта оценка неизвестна;
Исходные данные приведены в матрице М на предыдущем слайде.