AjzenhamerNikola

Ajzenhamer Nikola

Masinsko ucenje

-- Kroz programski jezik Python --

30. jun 2018.

Sadrzaj

Predgovor

iii

1 Uvod u zadatak regresije

1

1.1 Linearna regresija . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

2 Uvod u zadatak klasi kacije

7

2.1 Logisticka regresija . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2.2 Linearni klasi kator zasnovan na potpornim vektorima . . . . . . . . . . 8

2.3 Tehnike pripremanje podataka za klasi kaciju . . . . . . . . . . . . . . . 10

2.4 Poreenje klasi kacionih modela . . . . . . . . . . . . . . . . . . . . . . . 12

3 Modeli zasnovani na instancama

15

3.1 Kernelizovani model potpornih vektora . . . . . . . . . . . . . . . . . . . . 15

3.2 Nadaraja-Votson regresija . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

3.3 Prostorni kerneli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

4 Evaluacija i izbor modela

21

4.1 Bibliotecka podrska kroz scikit-learn . . . . . . . . . . . . . . . . . . . . . 21

4.2 Implementacija funkcija za evaluaciju i izbor modela . . . . . . . . . . . 24

5 Neuronske mreze

29

5.1 Neuronske mreze sa propagacijom unapred . . . . . . . . . . . . . . . . . 30

5.2 Implementacija neuronske mreze sa propagacijom unapred . . . . . . . 35

5.3 Konvolutivne neuronske mreze . . . . . . . . . . . . . . . . . . . . . . . . . 38

5.4 Razliciti nacini optimizacije neuronskih mreza . . . . . . . . . . . . . . . 44

5.5 Rekurentne neuronske mreze . . . . . . . . . . . . . . . . . . . . . . . . . 47

6 Ucenje potkrepljivanjem

55

Literatura

63

i

Predgovor

Ovaj tekst predstavlja skriptu iz kursa ,,Masinsko ucenje'', na 5. godini smerova Informatika i Racunarstvo i informatika na Matematickom fakultetu Univerziteta u Beogradu, zasnovanu na materijalima Anelke Zecevi, beleskama sa casova vezbi i skripti ,,Masinsko ucenje'' profesora Mladena Nikolia i Anelke Zecevi [1]. Skripta je pratei materijal pre svega studentima koji ovaj kurs slusaju u okviru svojih studija, ali i svima Vama koji biste zeleli da se upoznate sa ovom tematikom. Ovaj materijal ne moze zameniti pohaanje vezbi niti drugu preporucenu literaturu.

Ovaj tekst je u ranoj fazi formiranja. Ukoliko ste pazljivi citalac ove skripte, i ukoliko uocite bilo kakvu gresku ili propust, mozete se javiti autoru na adresu mi13050@alas.matf.bg.ac.rs. Svi komentari, sugestije, kritike, ali i pohvale vezane za ovaj materijal su dobrodosli.

Autor

Podesavanje okruzenja za rad

Da bi se uspesno pokretali primeri iz skripte, potrebno je instalirati 64-bitnu Python 3.6.5 (ili visu) verziju. Najbolje je pri instalaciji odabrati opciju ADD TO PATH. Zatim je neophodno pokrenuti naredne naredbe iz komandne linije

>>> python -m pip install --upgrade pip pip3 install numpy scipy pip3 install pandas matplotlib pip3 install sklearn pip3 install tensorflow --no-warn-script-location pip3 install keras pip3 install jupyter --no-warn-script-location pip3 install pydot pip3 install gym --no-warn-script-location

iii

 ................
................

In order to avoid copyright disputes, this page is only a partial summary.

Google Online Preview   Download