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.
Trang 1PHẦN I: Cài Đặc Hệ Thống Nhận Dạng Dưới Cấu Trúc Cấy Nhị Phấn Nhị Biến Bước 1: Tả %i dữ liệu vào bộ nhớ (0.5đ)
load fisheriris
Bước 2: Đưả dữ liệu thống tin đấu vào vào 2 biến dảtả và lảbel, dảtả là
dữ liệu thống tin gốm chiếu rộng và chiếu dài con cá, còn lảbel là dữ liệu nhãn (1đ)
data = meas(:,1:2);
label = categorical(species);
Bước 3: Đưả dữ liệu dảtả và lảbel vào máy học, cài đặc giả %i thuật CART 4.5 dưới dạng cấy nhị phấn nhị biến đế% tạo rả mố hình model (1đ)
model = fitctree(data, label);
Hàm cài đặc giả %i thuật CART 4.5 (1đ)
gscatter(data(:,1),data(:,2),species,'rgb','osd'); Là hàm máy học dành cho sắ"p xế"p
gscatter(xx1(:),xx2(:), predictedspecies,'rgb'); Là hàm máy học dành cho hồ&i quy
Bước 4: Khở% i tạo dữ liệu cả_thu với kích thước là 23 35 (0.5đ)
ca_thu = [23 35];
Bước 5: Đưả dữ liệu thư% cả_thu vào trong mố hình đế% trả % rả kết quả % dự đoán result (1đ)
result = predict(model, ca_thu);
Bước 6: Hiế% n thị mố hình dưới dạng cấy nhị phấn nhị biến (1đ)
view(model, 'Mode','graph');
Phấn II: Duyệt cấu trúc cấy nhị phấn nhị biến Cấu 1: Giả % sư% mất điện bạn phả %i phấn biệt các thu được bằng tảy Giả % sư% con các muả được có kích thước 40 và 50
lấn lược là chiếu rộng và chiếu dài Hãy duyệt bằng tảy sở đố và ghi lại
qu trình xác nhận con các đó thuộc loại nào (1đ)
Bài làm Theo đề bài ta có:
x1 = 40
Trang 2x2 = 50
Tại nút gốc ta thấy điều kiện x1 < 5.45 và x1 >= 5.45 => Ta duyệt nhánh phải của nút đang xét (vì x1 = 40)
Tại nhánh đang xét ta thấy điều kiện x1 < 6.15 và x1 >= 6.15 => Ta duyệt nhánh phải của nút đang xet (vì x1 = 40)
Tại nhánh đang xét ta thấy điều kiện x1 < 7.05 và x1 >= 7.05 => Ta duyệt nhánh phải của nút đang xet (vì x1 = 40)
Kết quả cuối cùng là Virginica
Câu 2: Kiểm tra giống cá đó thông qua cài đặc trên máy tính sau khi hệ thống có điện trở lại (1đ)
%Khở4i tạo cá mua ngoài chợ
ca_mua_ngoai_cho = [40 50];
%Đưa cá mua ngoài chợ vào mồ hình đế4 tra4 kế"t qua4 dự đoán
ketqua = predict(model, ca_mua_ngoai_cho);
%Hiế4n thị kế"t qua4
disp(ketqua);
virginica
Câu 3: Bằng cách duyệt sơ đồ, dự đoán kích thước của nhóm con cá Setosa? Ghi rõ sơ đồ duyệt cấy để có hệ điều kiện, ghi rõ điều kiện của nhóm cá Setosa (1đ)
Bài làm Điều kiện để duyệt được nhóm cá Setosa là:
1 x1 < 5.45 & x2 >= 2.8 => Setosa
2 x1 >= 5.45 & x1 < 6.15 & x2 >= 3.45 => Setosa
Câu 4: Bằng cách duyệt sơ đồ, dự đoán kích thước của nhóm con cá Versicolor? Ghi rõ sơ
đồ duyệt cấy để có hệ điều kiện, ghi rõ điều kiện của nhóm cá Versicolor (1đ)
Bài làm Điều kiện để duyệt được nhóm cá Versicolor là:
1 x1 < 5.45 & x2 < 2.8 => Versicolor
2 x1 >= 5.45 & x1 < 6.15 & x2 < 3.45 & x1 < 5.75 => Versicolor
3 x1 >= 5.45 & x1 < 6.15 & x2 < 3.45 & x1 >= 5.75 & x2 < 3.1 & x2 < 2.95 => Versicolor
4 x1 >= 5.45 & x1 < 6.15 & x2 < 3.45 & x1 >= 5.75 & x2 >= 3.1 => Versicolor
5 x1 >= 5.45 & x1 >= 6.15 & x1 < 7.05 & x2 < 2.4 => Versicolor
Trang 36 x1 >= 5.45 & x1 >= 6.15 & x1 < 7.05 & x2 >= 2.4 & x1 < 6.95 & x2 <= 3.15 & x1 < 6.55 & x2 < 2.95 & x1 < 6.45 & x2 >= 2.85 => Versicolor
7 x1 >= 5.45 & x1 >= 6.15 & x1 < 7.05 & x2 >= 2.4 & x1 < 6.95 & x2 <= 3.15 & x1 >= 6.55 & x1 < 6.65 => Versicolor
8 x1 >= 5.45 & x1 >= 6.15 & x1 < 7.05 & x2 >= 2.4 & x1 < 6.95 & x2 <= 3.15 & x1 >= 6.55 & x1 >= 6.65 & x2 >= 2.65 & x2 < 2.9 => Versicolor
9 x1 >= 5.45 & x1 >= 6.15 & x1 < 7.05 & x2 >= 2.4 & x1 >= 6.95 => Versicolor