[STRUCE1] 4. laboratorijska vježba - 2021/2022

fer999

Zna li netko što treba predati kao prvi argument (err) funkciji “plot_error_surface(err, c_range, g_range)” u 3.B zadatku?

Joskica

fer999 error matricu koju ti vrati grid_search funkcija kad stavis error_surface=True

fer999

Joskica To sam i pokušao napraviti, s time da vraćam 2 matrice (za train i test). Ali mi baca error: "TypeError: unsupported operand type(s) for -: 'int' and 'list'". Kako si definirao te matrice u metodi grid_search? Ja sam samo lijepio u njih na odgovarajuća mjesta zero_one_losses.

WickyWinslow

ValueError: The number of FixedLocator locations (5), usually from a call to set_ticks, does not match the number of ticklabels (4).

Je li itko imao ovaj exception kod poziva njihove metode plot_error_surface()?

Joskica

WickyWinslow downgrade matplotlib na 3.3.2

maraska

Je li ok u 4.d) dobiti da je za min max najmanja točnost? Koliko god puta pokrenem, uvijek su obična i standardno skalirana tu negdje, a min max najmanji.

ErnestHemingway

maraska Ako generiraš na isti način kao i oni na početku 4. najlošiji bi trebao biti s običnim značajkama jer je velika razlika u skali x0 i x1

Reznox

Moze neko pojasnit sto su tocno “Dualni koeficijenti”. Risia sam zadatak i printam ih al ne mogu shvatit sto su tocno.

ErnestHemingway

Reznox U skripti su označeni s alfa

viliml

Reznox Reznox Primarnih koeficijenata ima n, dualnih ima N. To je jedina konzistentna razlika.

Reznox

Alfetta Aha znaci zapravo su to dualne varijable, mislio sam da ovaj algoritam koji koristimo ima jos neke dodatne izracunate parametre.

maraska

Alfetta Yes, taj dio s generiranjem i podjelom u train/test sam kopirala njihovo. :/

Je li možda problem u ovim linijama:

model_min_max.fit(scaler_min_max.fit_transform(X_train),y_train)
accuracy_score(y_test, model_min_max.predict(scaler_min_max.transform(X_test))

Nez jesam li krivo shvatila kako je trebalo fittati model.

Rene

maraska vjerojatno ti je ostalo u metodi make_classification onaj random state cime uvijek generiras isti skup podataka

maraska

Rene Evo sad je dobro, neskalirano ima najmanju točnost. Sigurno je u tome bio problem, hvala ti. ❤️

Zero

Što trebamo koristiti kao pogrešku u 3.a)?

sheriffHorsey

fer999 vjerojatno ti se to događa jer nisi poslao np.array nego običnu listu

Sulejman

Jel i vama ispadnu svi histogrami ovak:

jedino kaj se mijenja su vrijednosti na osima… Ak da ne kužim šta oni misle pod “Dobiveni histogrami su vrlo slični.”

Ducky

Kako koristit mlutils.plot_error_surface?
Izbacuje mi:
AttributeError: module ‘mlutils’ has no attribute ‘plot_error_surface’
Rjesio: treba maknut mlutils

Ducky

Kolko vam ispadaju C i gamme u 3.?

Sulejman

Ducky

sheriffHorsey

SuperSjajan3 Sto ti je svijetlija boja na grafu to ti oznacava manju pogresku, sto je tamnija to je pogreska veca. Tipa na ovom Sulejman gornjem lijevom grafu sto je veci c i gama, model je slozeniji pa je i pogreska manja/podrucje svjetlije (gornji desni kut tog grafa). Na test setu tj. gornjem desnom grafu je za isti taj c i gama ocekujes nesto tamniju boju za te iste hiperparametre tj. vecu pogresku na test setu. Podnaucenost onda bude tamo gdje je podrucje crno i za test i za train graf tj. pogreska je velika na oba, a prenaucenost tamo gdje je na train grafu svjetla boja tj. mala pogreska i na test grafu sve tamnija boja tj. veca pogreska. Ja sam tako nekako interpretirao i bilo je u redu.

ovo su jos neka pitanja za svm koja su me pitali:
sto su potporni vektori?
kako outlier utjece na svm?
kako se linearni svm nosi s nelinearnim podacima?
koliko potpornih vektora ima na zadnjem plot u 1.c?
kako hiperparametar c utjece na slozenost modela?
objasni graf u 3.b, jeli povrsina pogreske razlicita i gdje je pod/prenaucenost na tom grafu?
sto radi minmax scaler i kako se nosi s outlierom?
sto radi standard scaler?

Sljedeća stranica »