差分

このページの2つのバージョン間の差分を表示します。

この比較画面へのリンク

両方とも前のリビジョン前のリビジョン
次のリビジョン		前のリビジョン
dmb:2011:q1 [2011/11/10 18:58] – [コード] wataludmb:2011:q1 [不明な日付] (現在) – 外部編集 (不明な日付) 127.0.0.1
行 1: 行 1:
 ==== 課題#1 学習誤差と予測誤差 ==== ==== 課題#1 学習誤差と予測誤差 ====
 +
 +  - 初稿 2011.11.07
 +  - 第二稿 2011.11.10
 +
 === はじめに === === はじめに ===
  
 今回は比較的単純な課題です． 今回は比較的単純な課題です．
  
-  + 線形学習機械の最小二乗学習とk最近接機械の誤判別率を，シミュレーションを用いて比較しなさい． +  - 線形学習機械の最小二乗学習とk最近接機械の誤判別率を，シミュレーションを用いて比較しなさい． 
-  + 今回のシミュレーション設定に対して，最適なkを決めてみなさい． +  - 今回のシミュレーション設定に対して，最適なkを決めてみなさい． 
-  + 学習用データによる誤判別率の推定と検証ゥデータによる誤判別率の推定を比較して考察しなさい．+  - 学習用データによる誤判別率の推定と検証ゥデータによる誤判別率の推定を比較して考察しなさい．
  
-〆切は来週の月曜日の2限が始まる時刻まで，とします．Word形式のレポートファイルの送付先は，[[mailto:data.mining.finale@gmail.com]]です．+〆切は来週の月曜日の2限が始まる時刻まで，とします．Word形式のレポートファイルの送付先は，[[mailto:data.mining.finale_at_gmail.com]]です．(_at_を半角の＠マークで置き換えてください)
  
 コードは，解説付きのコードの一番下に「貼り付け用」を別に用意したので，そちらを使うと良いです．いきなり全部をコピーするのでなく，四角囲みごとに． コードは，解説付きのコードの一番下に「貼り付け用」を別に用意したので，そちらを使うと良いです．いきなり全部をコピーするのでなく，四角囲みごとに．
行 235: 行 239:
 </code> </code>
  
-箱ひげ図の描画．+ 
 +学習用データによる誤判別率の推定値の標本分布を要約する．次の3行を実施すれば，箱ひげ図が描けて，各学習機械の誤判別率の平均と標準偏差も算出される． 
 +箱ひげ図については，次項参照のこと．
 <code> <code>
 boxplot(error.rate.learn) boxplot(error.rate.learn)
 +apply(error.rate.learn,2,"mean")
 +sqrt(apply(error.rate.learn,2,"var"))
 +</code>
 +
 +検証用データにおける誤判別率についても，同様の次の3行で要約できる．
 +<code>
 boxplot(error.rate.eval) boxplot(error.rate.eval)
 +apply(error.rate.eval,2,"mean")
 +sqrt(apply(error.rate.eval,2,"var"))
 </code> </code>
  
行 438: 行 452:
 </code> </code>
  
-学習用データによる誤判別率の推定値の標本分布を要約する．次の3行を実施すれば，箱ひげ図が描けて，各学習機械の誤判別率の平均と標準偏差も算出される． 
-箱ひげ図については，次項参照のこと． 
 <code> <code>
 boxplot(error.rate.learn) boxplot(error.rate.learn)
行 446: 行 458:
 </code> </code>
  
-検証用データにおける誤判別率についても，同様の次の3行で要約できる．+
 <code> <code>
 boxplot(error.rate.eval) boxplot(error.rate.eval)