ANALÝZA A KLASIFIKACE DAT

Podobné dokumenty
ANALÝZA A KLASIFIKACE DAT

ANALÝZA A KLASIFIKACE DAT. Institut biostatistiky a analýz

ANALÝZA A KLASIFIKACE DAT

Analýza a klasifikace dat

4. cvičení z Matematické analýzy 2

( + ) t NPV = NPV

Projekt OPVK - CZ.1.07/1.1.00/ Matematika pro všechny. Univerzita Palackého v Olomouci

Obr. 1: Vizualizace dat pacientů, kontrolních subjektů a testovacího subjektu.

Motivace. Náhodný pokus, náhodný n jev. Pravděpodobnostn. podobnostní charakteristiky diagnostických testů, Bayesův vzorec

Řešení úloh 1. kola 51. ročníku fyzikální olympiády. Kategorie D = s v 2

5.4.6 Objemy a povrchy rotačních těles I

Obsah přednášky. 1. Základní pojmy. 2. Jednorozměrné charakteristiky 3. Rozložení 4. Vícerozměrné charakteristiky. Jak stručně popsat data

Části kruhu. Předpoklady:

Ing. Petra Cihlářová. Odborný garant: Doc. Ing. Miroslav Píška, CSc.

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE. FAKULTA STAVEBNÍ, OBOR GEODÉZIE A KARTOGRAFIE KATEDRA SPECIÁLNÍ GEODÉZIE název předmětu

ANALÝZA A KLASIFIKACE DAT

Informační listy výrobků. Zásobník teplé vody Typ Třída energetické účinnosti Statická ztráta [W] Užitný objem [l] NAD 1000v1

Mechanika hmotného bodu

1 Seznamová barevnost úplných bipartitních

ODVOZENÍ OBLASTI NECITLIVOSTI PRO PARAMETRY STŘEDNÍ HODNOTY REGULÁRNÍHO SMÍŠENÉHO LINEÁRNÍHO REGRESNÍHO MODELU BEZ PODMÍNEK

B1. Výpočetní geometrie a počítačová grafika 9. Promítání., světlo.

Motivace. Náhodný pokus, náhodný n jev. pravděpodobnost. podobnostní charakteristiky diagnostických testů, Bayesův vzorec. Prof.RND. RND.

Aplikovaná numerická matematika

TECHNICKÁ UNIVERZITA V LIBERCI Katedra fyziky, Studentská 2, Liberec

PRAVDĚPODOBNOST A STATISTIKA. Bayesovské odhady

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ ZÁKLADNÍ POJMY

jevu, čas vyjmutí ze sledování byl T j, T j < X j a T j je náhodná veličina.

Příklady k přednášce 19 - Polynomiální metody

Základní spádové metody

MAGNETICKÉ POLE ELEKTRICKÉHO PROUDU. r je vyjádřen vztahem

7 Konvexní množiny. min c T x. při splnění tzv. podmínek přípustnosti, tj. x = vyhovuje podmínkám: A x = b a x i 0 pro každé i n.

Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech

Příklady k přednášce 19 - Polynomiální metody

5. Teorie informace. Kvantitativní vyjádení množství informace ve zpráv. Syntax versus sémantika (zde nás zajímá syntaktická ást).

Statistika. Testování hypotéz statistická indukce Úvod do problému. Roman Biskup

2.1 Shrnutí základních poznatků

Fyzikální korespondenční seminář MFF UK

5. cvičení z Matematické analýzy 2

7. Analýza rozptylu.

Teorie plasticity PLASTICITA

Vzpěr jednoduchého rámu, diferenciální operátory. Lenka Dohnalová

Délka kružnice (obvod kruhu) II

cv3.tex. Vzorec pro úplnou pravděpodobnost

Posouzení stability svahu

AVDAT Mnohorozměrné metody, metody klasifikace

Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).

AVDAT Nelineární regresní model

Proudění plynu vakuovým potrubím


dynamika hmotného bodu, pohybová rovnice, d Alembertůvprincip, dva druhy úloh v dynamice, zákony o zachování / změně

do strukturní rentgenografie e I

MANAŽERSKÉ ROZHODOVÁNÍ

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]

Modely produkčních systémů. Plánování výroby. seminární práce. Autor: Jakub Mertl. Xname: xmerj08. Datum: ZS 07/08

Úvod do optimalizace, metody hladké optimalizace

Věta 12.3 : Věta 12.4 (princip superpozice) : [MA1-18:P12.7] rovnice typu y (n) + p n 1 (x)y (n 1) p 1 (x)y + p 0 (x)y = q(x) (6)

Vysokofrekvenční obvody s aktivními prvky

0.1 Úvod do lineární algebry

Matice. Předpokládejme, že A = (a ij ) je matice typu m n: diagonálou jsou rovny nule.

Numerické metody optimalizace - úvod

NUMERICKÉ STUDIUM STĚNOVÉ VRSTVY PLAZMATU VÁLCOVÉ KATODY

Stručný úvod do testování statistických hypotéz

Kinematika. Hmotný bod. Poloha bodu

1 Klasická pravděpodobnost. Bayesův vzorec. Poslední změna (oprava): 11. května 2018 ( 6 4)( 43 2 ) ( 49 6 ) 3. = (a) 1 1 2! + 1 3!

Chyba rozměru šroubové drážky

přednáška TLAK - TAH. Prvky namáhané kombinací normálové síly a ohybového momentu

ZÁKLADY AUTOMATICKÉHO ŘÍZENÍ

TURBOWENT HYBRIDNÍ Ø Ø SÍŤOVÁ VERZE - rotační komínová hlavice

Základy teorie pravděpodobnosti

Úlohy krajského kola kategorie B

ANALÝZA A KLASIFIKACE DAT

3. přednáška 15. října 2007

Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).

ZÁKLADY AUTOMATICKÉHO ŘÍZENÍ

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze

Stavový model a Kalmanův filtr

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic

0.1 Úvod do lineární algebry

Vlastní čísla a vlastní vektory

Průvodce studiem. do bodu B se snažíme najít nejkratší cestu. Ve firmách je snaha minimalizovat

Článek 1. evidenční číslo smlouvy Poskytovatele: S-I 2564/REG/20 16

Matematika 5 FSV UK, ZS Miroslav Zelený

Z teorie je nutné znát pojmy: lineární funkcionál, jádro, hodnost a defekt lineárního funkcionálu. Také využijeme 2. větu o dimenzi.

3.7. Magnetické pole elektrického proudu

Metoda konjugovaných gradientů

d T FP = fázový přechod (tání, tuhnutí, vypařování, kapalnění, sublimace)

AVDAT Klasický lineární model, metoda nejmenších

2D transformací. červen Odvození transformačního klíče vybraných 2D transformací Metody vyrovnání... 2

ROZDĚLENÍ PŘÍJMŮ A JEHO MODELY. Jitka Bartošová

Vztahy mezi základním souborem a výběry. Základní pojmy a symboly. K čemu to je dobré? Výběrové metody zkoumání

Náhodné vektory a matice

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.)

Lineární zobrazení. 1. A(x y) = A(x) A(y) (vlastnost aditivity) 2. A(α x) = α A(x) (vlastnost homogenity)

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.)

Walter Cut prostě zapichování a upichování

Apriorní rozdělení. Jan Kracík.

Algoritmy ořezávání. Ořezávací oblast. Test polohy bodu vzhledem ke konvexnímu mnohoúhelníku. Test polohy bodu vzhledem k pravoúhelníku.

Lineární programování

3 Chyby měření. 3.1 Hrubé chyby

Transkript:

ANAÝZA A KASIFIKACE DAT pof. Ing. Jiří Holčík, CSc. INVESTICE Intitut DO biotatitiky OZVOJE VZDĚÁVÁNÍ a analýz

III. BAYESŮV KASIFIKÁTO Intitut biotatitiky a analýz

Intitut biotatitiky a analýz ZÁKADN KADNÍ POJMY A P POJMY A PŘEDPOKADY EDPOKADY při řešení paktických úloh je třeba předpokládat, že obazy ignálů jou ovlivněny víceméně náhodnými fluktuacemi zdoje ignálu, v přenoové cetě, při předzpacování i analýze, kteé e nepodaří zcela eliminovat. ztátová funkce udává ztátu při chybné klaifikaci obazu ze třídy do třídy. matice ztátových funkcí třední ztáta Ja udává půměnou ztátu při chybné klaifikaci obazu M O M M

KITÉIUM IUM MINIMÁN NÍ STŘEDN EDNÍ ZTÁTY TY pokud e outředíme na obazy pouze ze třídy, je třední ztáta dána půměnou hodnotou z d,a vzhledem ke všem obazům ze třídy, tj. J a d, a.p d kde p je podmíněná hutota pavděpodobnoti výkytu obazu ve třídě Intitut biotatitiky a analýz

KITÉIUM IUM MINIMÁN NÍ STŘEDN EDNÍ ZTÁTY TY Celková třední ztáta Ja je půměná hodnota ze ztát J a J a J a.p d, a.p d nebo podle Bayeova vzoce P.p p.p J a d, a kde p je hutota pavděpodobnoti výkytu obazu v celém obazovém potou a P je podmíněná pavděpodobnot, že daný obaz patří do třídy tzv. apoteioní pavděpodobnot třídy..p.p.p d Intitut biotatitiky a analýz

KITÉIUM IUM MINIMÁN NÍ STŘEDN EDNÍ ZTÁTY TY Návh optimálního klaifikátou, kteý by minimalizoval třední ztátu, počívá v nalezení takové množiny paametů ozhodovacího pavidla a*, že platí J a* minj a Doadíme-li za Ja z předchozího vztahu, je J a* min d, a a Je-li ztátová funkce kontantní po všechny obazy z,je dále J a* min a.p.p.p.p d d Intitut biotatitiky a analýz

KITÉIUM IUM MINIMÁN NÍ STŘEDN EDNÍ ZTÁTY TY Označíme-li ztátu při klaifikaci obazu do třídy.p.p tak po doazení dotaneme J a* min d Úloha nalezení minima celkové třední ztáty e tak převedla na minimalizaci funkce. Optimální ozhodovací pavidlo d,a* podle kitéia minimální celkové třední ztáty je d, a* min ME Intitut biotatitiky a analýz

KITÉIUM IUM MINIMÁN NÍ STŘEDN EDNÍ ZTÁTY TY Chceme-li využít pincipu dikiminačních funkcí Dikiminační funkci optimálního klaifikátou podle kitéia minimální chyby pak definujeme g min ma.p.p Intitut biotatitiky a analýz

KITÉIUM IUM MINIMÁN NÍ STŘEDN EDNÍ ZTÁTY TY DICHOTOMICKÝ KASIFIKÁTO Celková třední ztáta v případě dvou tříd je J a +.P.P.P.p. α + p p.p.p d +.d +.d +. β +.P.P.P.p p p. α +.P.d +.d d.p β Intitut biotatitiky a analýz

KITÉIUM IUM MINIMÁN NÍ STŘEDN EDNÍ ZTÁTY TY DICHOTOMICKÝ KASIFIKÁTO Dikiminační funkce po dichotomický klaifikáto bude + g.p.p g.p.p + +.p.p.p.p.p.p +.p.p g Položíme-li tento výaz nule dotaneme vztah po haniční plochu dichotomického klaifikátou, ze kteého můžeme učit pomě hutot pavděpodobnoti výkytu obazu v každé z obou klaifikačních tříd - věohodnotní pomě p.p Λ p.p Obaz zařadíme do třídy, když je věohodnotní pomě větší než výaz na pavé taně, je-li menší pak obaz zařadíme do třídy. + Intitut biotatitiky a analýz

VĚOHODNOSTNÍ POMĚ I. Sumaizuje veškeou infomaci zíkanou epeimentem. Pavděpodobnot, že jev data natane za daných podmínek hypotéza děleno pavděpodobnotí, že tejný jev natane za jiných podmínek. Podmínky jou vzájemně e vylučující. Intitut biotatitiky a analýz

VĚOHODNOSTNÍ POMĚ II. Věohodnotní pomě likelihood atio udává podíl pavděpodobnoti, že e vykytne nějaký jev A za učité podmínky jev B, k pavděpodobnoti, že e jev A vykytne, když podmínka neplatí jev nonb. Má-li například pacient náhlou ztátu paměti jev A, chceme znát věohodnotní pomě výkytu jevu A vpřípadě, že má mozkový nádo jev B, tj. podíl pavděpodobnoti, jakou ztáta paměti vzniká při nádou mozku, k pavděpodobnoti, jakou vzniká v otatních případech. Věohodnotní pomě je tedy podíl podmíněných pavděpodobnotí PA B PA nonb Intitut biotatitiky a analýz

KITÉIUM IUM MINIMÁN NÍ PAVDĚPODOBNOSTI PODOBNOSTI CHYBNÉHO HO OZHODNUTÍ Díky obtížnému tanovení hodnot ztátových funkcí e kitéium minimální chyby zjednodušuje použitím jednotkových ztátových funkcí definovaných Matice jednotkových ztátových funkcí má pak tva a celková ztáta je J a 0 M 0 po po což je hodnota pavděpodobnoti chybného ozhodnutí. 0 M X - O M 0 p.p d Intitut biotatitiky a analýz

KITÉIUM IUM MINIMÁN NÍ PAVDĚPODOBNOSTI PODOBNOSTI CHYBNÉHO HO OZHODNUTÍ Doadíme-li hodnoty jednotkových ztátových funkcí do vztahu po ztátu při klaifikaci obazu do chybné třídy p.p p.p p.p a využitím Bayeova vztahu p P p.p p nezávií na klaifikační třídě a tedy neovlivňuje výbě minima. Dikiminační funkci tedy můžeme učit jako g p.p p p.p Intitut biotatitiky a analýz

KITÉIUM IUM MINIMÁN NÍ PAVDĚPODOBNOSTI PODOBNOSTI CHYBNÉHO HO OZHODNUTÍ V případě dichotomického klaifikátou je dikiminační funkce g p.p p.p A věohodnotní pomě je potom Λ p p P P Intitut biotatitiky a analýz

Intitut biotatitiky a analýz KIT KITÉIUM MAXIM IUM MAXIMÁN NÍ APOSTEION APOSTEIONÍ PAVD PAVDĚPODOBNOSTI PODOBNOSTI Modifikujeme-li vztah po ztátu při chybné klaifikaci obazu podle Bayeova vztahu P.p p.p platí Hutota pavděpodobnoti p nezávií na klaifikační třídě a tedy míto lze použít a jednotkovými ztátovými funkcemi je.p p.p.p.p p ' P P P P '

nebo KITÉIUM IUM MAXIMÁN NÍ APOSTEIONÍ PAVDĚPODOBNOSTI PODOBNOSTI Minimum ztáty je pávě tehdy, když P je maimální. Tzn. že jako dikiminační funkci můžeme zvolit pávě hodnotu apoteioní pavděpodobnoti třídy, tj. g P Po případ dichotomického klaifikátou je dikiminační funkce g P - P 0. Z toho plyne, že hanicí mezi třídami učuje vztah P P P P Podle tohoto kitéia zatřídíme obaz do té třídy, jejíž apoteioní pavděpodobnot je při výkytu obazu větší. Intitut biotatitiky a analýz

KITÉIUM IUM MAXIMÁN NÍ PAVDĚPODOBNOSTI PODOBNOSTI MINIMAX Neznáme-li apioní pavděpodobnoti všech tříd, předpokládáme ovnoměné ozložení pavděpodobnot všech tříd je táž P P /. Potom celková třední ztáta J a doáhne minima, když.p d J a* min a.p d Dikiminační funkci lze jako v předchozích případech definovat jako g.p Intitut biotatitiky a analýz

KITÉIUM IUM MAXIMÁN NÍ PAVDĚPODOBNOSTI PODOBNOSTI MINIMAX V případě dichotomie je věohodnotní pomě Λ p p Pokud jou ceny pávného ozhodnutí nulové, tj. 0, je Λ p p Obaz je zařazen do třídy, když je věohodnotní pomě než pomě cen ztát chybných zatřídění. Jou-li obě ceny tejné, je obaz zařazen do té třídy, po kteou je hodnota p větší. Intitut biotatitiky a analýz

KITÉIUM IUM MAXIMÁN NÍ PAVDĚPODOBNOSTI PODOBNOSTI MINIMAX Intitut biotatitiky a analýz