128 lines
5.3 KiB
Markdown
128 lines
5.3 KiB
Markdown
# *Sztuczna inteligencja - projekt zespołowy - Autonomiczny Traktor*
|
|
|
|
##### autorzy: Aleksandra Werda, Natalia Wiśniewska, Kinga Jagodzińska, Aleksandra Jonas
|
|
***
|
|
## Aleksandra Werda - podprojekt: Sprawdzanie stanu gleby przy użyciu drzewa decyzyjnego
|
|
___
|
|
### **Zbiór uczący:**
|
|
Zbiorem uczącym jest podany odgórnie zestaw danych w tablicy tablic *lista*, w którym kolejno każda cyfra odpowiada za: liczbę chwastów, poziom podlania, ph oraz ogólny stan gleby.
|
|
```
|
|
lista = [[1, 6, 7, 'neutralny'],
|
|
[5, 8, 6, 'neutralny'],
|
|
[5, 1, 7, 'zły'],
|
|
[5, 5, 7, 'neutralny'],
|
|
[1, 6, 6, 'neutralny'],
|
|
[2, 8, 7, 'dobry'], ... ]
|
|
```
|
|
|
|
___
|
|
### **Tworzenie drzewa:**
|
|
Algorytm tworzymy w pętli while. Tworzymy listę *open_set* aby wiedzieć jakie wierzchołki diagramu mamy jeszcze odwiedzić, a także *closed_set*, aby łatwo rozpoznać te już odwiedzone. Definiujemy także *ob1* i *ob2*, które są dwoma wierzchołkami do których przejdziemy po zadaniu pytania w wierzchołku x. Mamy też listę node która mówi nam w jakim wierzchołku obecnie znajduje się przykład z tablicy *lista* o danym indeksie. Tablica myset podaje nam indeksy przykładów, które obecnie znajdują się w wierzchołku x. Pętlą for szukamy wersji pytania, która podzieli myset na dwie części o jak najmniejszym zanieczyszczeniu.
|
|
```
|
|
for y in itertools.product(range(3), range(1, 11)):
|
|
self.Questions(y[0], y[1])
|
|
s1 = [0, 0, 0]
|
|
s2 = [0, 0, 0]
|
|
```
|
|
W funkcji for korzystamy z funkcji **Questions**, używając jako danych wejściowych kombinacji dwóch liczb: pierwsza wskazuje na to na który parametr z listy bedziemy patrzeć; druga mówi nam o liczbie, która podzieli myset według tego czy dany przykład posiada parametr wynoszący mniej czy więcej niż ta liczba.
|
|
```
|
|
def Questions(self, column, number):
|
|
for i in self.myset:
|
|
if lista[i][column] <= number:
|
|
self.node[i] = self.ob1
|
|
else:
|
|
self.node[i] = self.ob2
|
|
```
|
|
Następnie liczymy ile w każdej z tych grup jest przykładów, w których występuje jeden z konkretnych stanów gleby.
|
|
```
|
|
for z in range(len(lista)):
|
|
if self.node[z] == self.ob1:
|
|
if lista[z][3] == "zły":
|
|
s1[0] = s1[0] + 1
|
|
elif lista[z][3] == "neutralny":
|
|
s1[1] = s1[1] + 1
|
|
elif lista[z][3] == "dobry":
|
|
s1[2] = s1[2] + 1
|
|
elif self.node[z] == self.ob2:
|
|
if lista[z][3] == "zły":
|
|
s2[0] = s2[0] + 1
|
|
elif lista[z][3] == "neutralny":
|
|
s2[1] = s2[1] + 1
|
|
elif lista[z][3] == "dobry":
|
|
s2[2] = s2[2] + 1
|
|
s1_suma = s1[0] + s1[1] + s1[2]
|
|
s2_suma = s2[0] + s2[1] + s2[2]
|
|
```
|
|
Szukamy kombinacji z najniższym zanieczyszczeniem, wywołując przy tym dla wierzchołków *ob1* i *ob2* funkcję **Gini**, która sprawdza "czystość", czyli jak często losowy element będzie źle zindentyfikowany.
|
|
```
|
|
if s1_suma > 0 and s2_suma > 0:
|
|
impurity = s1_suma / (s1_suma + s2_suma) * self.Gini(s1, s1_suma) + s2_suma / (s1_suma + s2_suma) * self.Gini(s2, s2_suma)
|
|
if imp > impurity:
|
|
imp = impurity # imp = najmniejsze imp jakie uzyskalismy
|
|
opt = y # y = optymalna kombincja (48)
|
|
l_gini = self.Gini(s1, s1_suma)
|
|
p_gini = self.Gini(s2, s2_suma)
|
|
odp_s1 = s1
|
|
odp_s2 = s2
|
|
```
|
|
```
|
|
def Gini(self, x, suma):
|
|
return 1 - (x[0] / suma) ** 2 - (x[1] / suma)
|
|
** 2 - (x[2] / suma) ** 2
|
|
```
|
|
Jeżeli nasz lewy bądź prawy wierzchołek jest równy 0, oznacza to, że jest "czysty", czyli został prawidłowo oznaczony(jednym z 3 możliwych stanów).
|
|
```
|
|
if l_gini != 0:
|
|
open_node.append(self.ob1)
|
|
else:
|
|
for y in range(3):
|
|
if odp_s1[y] != 0:
|
|
odp = y
|
|
self.odpowiedzi.append([self.ob1, odp])
|
|
if p_gini != 0:
|
|
open_node.append(self.ob2)
|
|
else:
|
|
for y in range(3):
|
|
if odp_s2[y] != 0:
|
|
odp = y
|
|
self.odpowiedzi.append([self.ob2, odp])
|
|
|
|
```
|
|
|
|
W funkcji **Solutions** generujemy listę wszystkich wierzchołków, które znajdują się na liście odpowiedzi.
|
|
```
|
|
for i in range(len(self.odpowiedzi)):
|
|
lista_wierzch_kończących.append(self.odpowiedzi[i][0])
|
|
```
|
|
Jeżeli wierzchołek w którym jesteśmy znajduje się w tablicy odpowiedzi, to zapamiętujemy go. Następnie porównujemy przypisane wartości z konkretnymi cyframi, które określają stan naszej gleby. W tym wypadku 0 - *zły*, 1 - *neutralny*, 2- *dobry*. W efekcie dostajemy informację zwrotną w jakim stanie jest nasza gleba.
|
|
```
|
|
if x in lista_wierzch_kończących:
|
|
for i in range(len(self.odpowiedzi)):
|
|
if self.odpowiedzi[i][0] == x:
|
|
self.ind = i
|
|
break
|
|
```
|
|
Jeśli natomiast nasz wiechołek nie jest liściem w zbudowanym przez nas w funkcji **Algorithm** drzewie, wtedy szukamy wierzchołka do którego przejdziemy na podstawie pytania wpisanego w wierzchołek x na podstawie tablicy pytania.
|
|
|
|
```
|
|
for i in range(len(self.pytania)):
|
|
if self.pytania[i][0] == x:
|
|
self.ind = i
|
|
break
|
|
x = self.Answers(self.pytania[self.ind][1][0],
|
|
self.pytania[self.ind][1][1], pole)
|
|
```
|
|
Używamy do tego funkcji **Answers**:
|
|
```
|
|
def Answers(self, a, b, pole):
|
|
if pole[a] <= b:
|
|
return self.pytania[self.ind][2][0]
|
|
else:
|
|
return self.pytania[self.ind][2][1]
|
|
```
|
|
|
|
|
|
|
|
|
|
|