Giải đề thi trí tuệ nhân tạo

3 159 1
Giải đề thi trí tuệ nhân tạo

Đang tải... (xem toàn văn)

Thông tin tài liệu

Nội dung của tài liệu trình bày một số bài tập như: tải dữ liệu vào bộ nhớ; hiển thị mô hình dưới dạng cây nhị phân nhị biến; duyệt cấu trúc cây nhị phân nhị biến; cài đặt hệ thống nhận dạng dưới cấu trúc cây nhị phân nhị biến. Mời các bạn cùng tham khảo tài liệu để có thêm tư liệu phục vụ quá trình ôn luyện, chuẩn bị chu đáo cho các kì thi sắp đến.

PHẦN I: Cài Đặc Hệ Thống Nhận Dạng Dưới Cấu Trúc Cây Nhị Phân Nhị Biến Bước 1: Tải liệu vào nhớ (0.5đ) load fisheriris Bước 2: Đưa liệu thông tin đầu vào vào biến data label, data liệu thông tin gồm chiều rộng chiều dài cá, label liệu nhãn (1đ) data = meas(:,1:2); label = categorical(species); Bước 3: Đưa liệu data label vào máy học, cài đặc giải thuật CART 4.5 dạng nhị phân nhị biến để tạo mơ hình model (1đ) model = fitctree(data, label); Hàm cài đặc giải thuật CART 4.5 (1đ) gscatter(data(:,1),data(:,2),species,'rgb','osd'); Là hàm máy học dành cho xếp gscatter(xx1(:),xx2(:), predictedspecies,'rgb'); Là hàm máy học dành cho hồi quy Bước 4: Khởi tạo liệu ca_thu với kích thước 23 35 (0.5đ) ca_thu = [23 35]; Bước 5: Đưa liệu thử ca_thu vào mơ hình để trả kết dự đoán result (1đ) result = predict(model, ca_thu); Bước 6: Hiển thị mơ hình dạng nhị phân nhị biến (1đ) view(model, 'Mode','graph'); Phần II: Duyệt cấu trúc nhị phân nhị biến Câu 1: Giả sử điện bạn phải phân biệt thu tay Giả sử mua có kích thước 40 50 lần lược chiều rộng chiều dài Hãy duyệt tay sơ đồ ghi lại qu trình xác nhận thuộc loại (1đ) Bài làm Theo đề ta có: x1 = 40 x2 = 50 Tại nút gốc ta thấy điều kiện x1 < 5.45 x1 >= 5.45 => Ta duyệt nhánh phải nút xét (vì x1 = 40) Tại nhánh xét ta thấy điều kiện x1 < 6.15 x1 >= 6.15 => Ta duyệt nhánh phải nút xet (vì x1 = 40) Tại nhánh xét ta thấy điều kiện x1 < 7.05 x1 >= 7.05 => Ta duyệt nhánh phải nút xet (vì x1 = 40) Kết cuối Virginica Câu 2: Kiểm tra giống cá thơng qua cài đặc máy tính sau hệ thống có điện trở lại (1đ) %Khởi tạo cá mua chợ ca_mua_ngoai_cho = [40 50]; %Đưa cá mua ngồi chợ vào mơ hình để trả kết dự đoán ketqua = predict(model, ca_mua_ngoai_cho); %Hiển thị kết disp(ketqua); virginica Câu 3: B ằng cách ệt s đồ, d ự đốn kích th ước c nhóm cá Setosa? Ghi rõ s đồ ệt c để có h ệ ều ki ện, ghi rõ ều ki ện c nhóm cá Setosa (1đ) Bài làm Đi ều ki ện để ệt nhóm cá Setosa là: x1 < 5.45 & x2 >= 2.8 => Setosa x1 >= 5.45 & x1 < 6.15 & x2 >= 3.45 => Setosa Câu 4: Bằng cách duyệt sơ đồ, dự đốn kích thước nhóm cá Versicolor? Ghi rõ sơ đồ duyệt cấy để có hệ điều kiện, ghi rõ điều kiện nhóm cá Versicolor (1đ) Bài làm Điều kiện để duyệt nhóm cá Versicolor là: x1 < 5.45 & x2 < 2.8 => Versicolor x1 >= 5.45 & x1 < 6.15 & x2 < 3.45 & x1 < 5.75 => Versicolor x1 >= 5.45 & x1 < 6.15 & x2 < 3.45 & x1 >= 5.75 & x2 < 3.1 & x2 < 2.95 => Versicolor x1 >= 5.45 & x1 < 6.15 & x2 < 3.45 & x1 >= 5.75 & x2 >= 3.1 => Versicolor x1 >= 5.45 & x1 >= 6.15 & x1 < 7.05 & x2 < 2.4 => Versicolor x1 >= 5.45 & x1 >= 6.15 & x1 < 7.05 & x2 >= 2.4 & x1 < 6.95 & x2 = 2.85 => Versicolor x1 >= 5.45 & x1 >= 6.15 & x1 < 7.05 & x2 >= 2.4 & x1 < 6.95 & x2 = 6.55 & x1 < 6.65 => Versicolor x1 >= 5.45 & x1 >= 6.15 & x1 < 7.05 & x2 >= 2.4 & x1 < 6.95 & x2 = 6.55 & x1 >= 6.65 & x2 >= 2.65 & x2 < 2.9 => Versicolor x1 >= 5.45 & x1 >= 6.15 & x1 < 7.05 & x2 >= 2.4 & x1 >= 6.95 => Versicolor ... Virginica Câu 2: Kiểm tra giống cá thơng qua cài đặc máy tính sau hệ thống có điện trở lại (1đ) %Khởi tạo cá mua ngồi chợ ca_mua_ngoai_cho = [40 50]; %Đưa cá mua chợ vào mơ hình để trả kết dự đốn ketqua

Ngày đăng: 11/05/2020, 11:35

Từ khóa liên quan

Tài liệu cùng người dùng

Tài liệu liên quan