Zaktualizuj 'RaportJaroslawZbaski.md'
This commit is contained in:
parent
84c416cc75
commit
3918d1fc79
@ -1,204 +1,209 @@
|
|||||||
##Jarosław Zbąski – raport z podprojektu
|
##Jarosław Zbąski – raport z podprojektu
|
||||||
---
|
---
|
||||||
#Wybrana metoda:
|
#Wybrana metoda:
|
||||||
---
|
---
|
||||||
Do realizacji podprojektu wykorzystano drzewa decyzyjne wskazujące którą roślinę (jeśli w ogóle) należy posadzić na danym polu. Drzewo decyzję podejmuje na podstawie poszczególnych parametrów gleby:
|
Do realizacji podprojektu wykorzystano drzewa decyzyjne wskazujące którą roślinę (jeśli w ogóle) należy posadzić na danym polu. Drzewo decyzję podejmuje na podstawie poszczególnych parametrów gleby:
|
||||||
|
|
||||||
-żyzność (‘z’-żyzna, ‘j’-jałowa)
|
-żyzność (‘z’-żyzna, ‘j’-jałowa)
|
||||||
-nawodnienie (‘n’ - nawodniona, ‘s’ - sucha)
|
|
||||||
-nasłonecznienie (‘s’ - w słońcu, ‘c’ – w cieniu)
|
-nawodnienie (‘n’ - nawodniona, ‘s’ - sucha)
|
||||||
-kwasowość gleby (‘k’ – kwasowa, ‘n’ – neutralna, ‘z’ - zasadowa)
|
|
||||||
|
-nasłonecznienie (‘s’ - w słońcu, ‘c’ – w cieniu)
|
||||||
#Uczenie modelu:
|
|
||||||
Dane treningowe:
|
-kwasowość gleby (‘k’ – kwasowa, ‘n’ – neutralna, ‘z’ - zasadowa)
|
||||||
```
|
|
||||||
training_data = [
|
|
||||||
#zyznosc, nawodnienie, cien, kwasowość, grupa
|
#Uczenie modelu:
|
||||||
['z', 'n', 's', 'z', 1],
|
---
|
||||||
['z', 'n', 's', 'n', 1],
|
Dane treningowe:
|
||||||
['j', 'n', 's', 'z', 1],
|
```
|
||||||
['z', 's', 's', 'n', 1],
|
training_data = [
|
||||||
['j', 'n', 'c', 'n', 1],
|
#zyznosc, nawodnienie, cien, kwasowość, grupa
|
||||||
['z', 'n', 's', 'k', 1],
|
['z', 'n', 's', 'z', 1],
|
||||||
['z', 'n', 'c', 'k', 2],
|
['z', 'n', 's', 'n', 1],
|
||||||
['z', 's', 's', 'k', 2],
|
['j', 'n', 's', 'z', 1],
|
||||||
['z', 's', 'c', 'k', 2],
|
['z', 's', 's', 'n', 1],
|
||||||
['j', 'n', 's', 'k', 2],
|
['j', 'n', 'c', 'n', 1],
|
||||||
['z', 's', 'c', 'z', 3],
|
['z', 'n', 's', 'k', 1],
|
||||||
['j', 'n', 's', 'n', 3]
|
['z', 'n', 'c', 'k', 2],
|
||||||
]
|
['z', 's', 's', 'k', 2],
|
||||||
```
|
['z', 's', 'c', 'k', 2],
|
||||||
Budowanie drzewa decyzyjnego opiera się na podziale gałęzi względem algorytmu CART. Ma ono postać ciągu pytań, na które odpowiedzi determinują kolejne pytania, bądź kończą etap. W wyniku otrzymujemy strukturę drzewa, która w węzłach końcowych nie zawiera już pytań, lecz same odpowiedzi. Dodatkowo wypisuje liczbę zestawów danych pasujących do liścia z zestawu treningowego.
|
['j', 'n', 's', 'k', 2],
|
||||||
```
|
['z', 's', 'c', 'z', 3],
|
||||||
def build_tree(rows):
|
['j', 'n', 's', 'n', 3]
|
||||||
gain, question = find_best_split(rows)
|
]
|
||||||
if gain == 0:
|
```
|
||||||
return Leaf(rows)
|
Budowanie drzewa decyzyjnego opiera się na podziale gałęzi względem algorytmu CART. Ma ono postać ciągu pytań, na które odpowiedzi determinują kolejne pytania, bądź kończą etap. W wyniku otrzymujemy strukturę drzewa, która w węzłach końcowych nie zawiera już pytań, lecz same odpowiedzi. Dodatkowo wypisuje liczbę zestawów danych pasujących do liścia z zestawu treningowego.
|
||||||
true_rows, false_rows = partition(rows, question)
|
```
|
||||||
true_branch = build_tree(true_rows)
|
def build_tree(rows):
|
||||||
false_branch = build_tree(false_rows)
|
gain, question = find_best_split(rows)
|
||||||
return Decision_Node(question, true_branch, false_branch)
|
if gain == 0:
|
||||||
```
|
return Leaf(rows)
|
||||||
Znajdowanie najlepszego podziału opiera się głównie na Współczynniku Giniego, który mierzy stopień niejednorodności i dzieli ją przez ilość pozostałych zestawów testowych.
|
true_rows, false_rows = partition(rows, question)
|
||||||
```
|
true_branch = build_tree(true_rows)
|
||||||
def find_best_split(rows):
|
false_branch = build_tree(false_rows)
|
||||||
best_gain = 0
|
return Decision_Node(question, true_branch, false_branch)
|
||||||
best_question = None
|
```
|
||||||
current_uncertainty = gini(rows)
|
Znajdowanie najlepszego podziału opiera się głównie na Współczynniku Giniego, który mierzy stopień niejednorodności i dzieli ją przez ilość pozostałych zestawów testowych.
|
||||||
n_features = len(rows[0]) - 1
|
```
|
||||||
for col in range(n_features):
|
def find_best_split(rows):
|
||||||
values = set([row[col] for row in rows])
|
best_gain = 0
|
||||||
for val in values:
|
best_question = None
|
||||||
question = Question(col, val)
|
current_uncertainty = gini(rows)
|
||||||
true_rows, false_rows = partition(rows, question)
|
n_features = len(rows[0]) - 1
|
||||||
if len(true_rows) == 0 or len(false_rows) == 0:
|
for col in range(n_features):
|
||||||
continue
|
values = set([row[col] for row in rows])
|
||||||
gain = info_gain(true_rows, false_rows, current_uncertainty)
|
for val in values:
|
||||||
if gain >= best_gain:
|
question = Question(col, val)
|
||||||
best_gain, best_question = gain, question
|
true_rows, false_rows = partition(rows, question)
|
||||||
return best_gain, best_question
|
if len(true_rows) == 0 or len(false_rows) == 0:
|
||||||
```
|
continue
|
||||||
|
gain = info_gain(true_rows, false_rows, current_uncertainty)
|
||||||
Drzewo powstałe poprzez wykonanie metody print_tree(node,spacing) na zestawie testowym:
|
if gain >= best_gain:
|
||||||
```
|
best_gain, best_question = gain, question
|
||||||
Czy kwasowosc == k?
|
return best_gain, best_question
|
||||||
--> True:
|
```
|
||||||
Czy cien == s?
|
|
||||||
--> True:
|
Drzewo powstałe poprzez wykonanie metody print_tree(node,spacing) na zestawie testowym:
|
||||||
Czy nawodnienie == n?
|
```
|
||||||
--> True:
|
Czy kwasowosc == k?
|
||||||
Czy zyznosc == j?
|
--> True:
|
||||||
--> True:
|
Czy cien == s?
|
||||||
Predict {2: 1}
|
--> True:
|
||||||
--> False:
|
Czy nawodnienie == n?
|
||||||
Predict {1: 1}
|
--> True:
|
||||||
--> False:
|
Czy zyznosc == j?
|
||||||
Predict {2: 1}
|
--> True:
|
||||||
--> False:
|
Predict {2: 1}
|
||||||
Predict {2: 2}
|
--> False:
|
||||||
--> False:
|
Predict {1: 1}
|
||||||
Czy cien == s?
|
--> False:
|
||||||
--> True:
|
Predict {2: 1}
|
||||||
Czy zyznosc == j?
|
--> False:
|
||||||
--> True:
|
Predict {2: 2}
|
||||||
Czy kwasowosc == n?
|
--> False:
|
||||||
--> True:
|
Czy cien == s?
|
||||||
Predict {3: 1}
|
--> True:
|
||||||
--> False:
|
Czy zyznosc == j?
|
||||||
Predict {1: 1}
|
--> True:
|
||||||
--> False:
|
Czy kwasowosc == n?
|
||||||
Predict {1: 3}
|
--> True:
|
||||||
--> False:
|
Predict {3: 1}
|
||||||
Czy kwasowosc == n?
|
--> False:
|
||||||
--> True:
|
Predict {1: 1}
|
||||||
Predict {1: 1}
|
--> False:
|
||||||
--> False:
|
Predict {1: 3}
|
||||||
Predict {3: 1}
|
--> False:
|
||||||
```
|
Czy kwasowosc == n?
|
||||||
#Implementacja w C++:
|
--> True:
|
||||||
---
|
Predict {1: 1}
|
||||||
Komunikacja między pythonem a cpp zachodzi przez pliki dane.txt i decyzje.txt. W pliku dane.txt cpp wypisuje stan całego pola w oddzielonych spacją kolumnach począwszy od indeksu x=1,y=1 aż po x=25,y=25. Decyzje podjęte przez drzewo decyzyjne wypisane w pliku decyzje.txt zawierają symbol rośliny lub pola jakie mają się znajdować na polu (również w całej przestrzeni pola).
|
--> False:
|
||||||
|
Predict {3: 1}
|
||||||
Zestaw testowych danych:
|
```
|
||||||
```
|
#Implementacja w C++:
|
||||||
void testSI1()
|
---
|
||||||
{
|
Komunikacja między pythonem a cpp zachodzi przez pliki dane.txt i decyzje.txt. W pliku dane.txt cpp wypisuje stan całego pola w oddzielonych spacją kolumnach począwszy od indeksu x=1,y=1 aż po x=25,y=25. Decyzje podjęte przez drzewo decyzyjne wypisane w pliku decyzje.txt zawierają symbol rośliny lub pola jakie mają się znajdować na polu (również w całej przestrzeni pola).
|
||||||
for (int i = 1; i < 26; i++)
|
|
||||||
{
|
Zestaw testowych danych:
|
||||||
for (int j = 1; j < 26; j++)
|
```
|
||||||
{
|
void testSI1()
|
||||||
if (j % 3 == 0)
|
{
|
||||||
{
|
for (int i = 1; i < 26; i++)
|
||||||
pole[i][j][2] = 'z'; //zyzne
|
{
|
||||||
pole[i][j][3] = 'n'; //nawodnione
|
for (int j = 1; j < 26; j++)
|
||||||
pole[i][j][4] = 'c'; //w cieniu
|
{
|
||||||
pole[i][j][5] = 'k'; //kwasne
|
if (j % 3 == 0)
|
||||||
}
|
{
|
||||||
else
|
pole[i][j][2] = 'z'; //zyzne
|
||||||
{
|
pole[i][j][3] = 'n'; //nawodnione
|
||||||
if (j % 3 == 1)
|
pole[i][j][4] = 'c'; //w cieniu
|
||||||
{
|
pole[i][j][5] = 'k'; //kwasne
|
||||||
pole[i][j][2] = 'j'; //jalowe
|
}
|
||||||
pole[i][j][3] = 'n'; //nawodnione
|
else
|
||||||
pole[i][j][4] = 's'; //w sloncu
|
{
|
||||||
pole[i][j][5] = 'n'; //neutralne
|
if (j % 3 == 1)
|
||||||
}
|
{
|
||||||
else
|
pole[i][j][2] = 'j'; //jalowe
|
||||||
{
|
pole[i][j][3] = 'n'; //nawodnione
|
||||||
pole[i][j][2] = 'z'; //zyzne
|
pole[i][j][4] = 's'; //w sloncu
|
||||||
pole[i][j][3] = 's'; //suche
|
pole[i][j][5] = 'n'; //neutralne
|
||||||
pole[i][j][4] = 's'; //sloneczne
|
}
|
||||||
pole[i][j][5] = 'z'; //zasadowe
|
else
|
||||||
}
|
{
|
||||||
}
|
pole[i][j][2] = 'z'; //zyzne
|
||||||
}
|
pole[i][j][3] = 's'; //suche
|
||||||
}
|
pole[i][j][4] = 's'; //sloneczne
|
||||||
}
|
pole[i][j][5] = 'z'; //zasadowe
|
||||||
```
|
}
|
||||||
|
}
|
||||||
Funkcja wysyłająca stan pola:
|
}
|
||||||
```
|
}
|
||||||
void sendState()
|
}
|
||||||
{
|
```
|
||||||
ofstream write("dane.txt");
|
|
||||||
for (int i = 1; i < 26; i++)
|
Funkcja wysyłająca stan pola:
|
||||||
{
|
```
|
||||||
for (int j = 1; j < 26; j++)
|
void sendState()
|
||||||
{
|
{
|
||||||
string a;
|
ofstream write("dane.txt");
|
||||||
a += pole[i][j][2];
|
for (int i = 1; i < 26; i++)
|
||||||
a += ' ';
|
{
|
||||||
a += pole[i][j][3];
|
for (int j = 1; j < 26; j++)
|
||||||
a += ' ';
|
{
|
||||||
a += pole[i][j][4];
|
string a;
|
||||||
a += ' ';
|
a += pole[i][j][2];
|
||||||
a += pole[i][j][5];
|
a += ' ';
|
||||||
write << a << endl;
|
a += pole[i][j][3];
|
||||||
}
|
a += ' ';
|
||||||
}
|
a += pole[i][j][4];
|
||||||
write.close();
|
a += ' ';
|
||||||
}
|
a += pole[i][j][5];
|
||||||
```
|
write << a << endl;
|
||||||
|
}
|
||||||
Funkcja kierująca traktorem (decyzja co zasiać):
|
}
|
||||||
```
|
write.close();
|
||||||
void reciveState()
|
}
|
||||||
{
|
```
|
||||||
ifstream read("decyzje.txt");
|
|
||||||
if (read.is_open())
|
Funkcja kierująca traktorem (decyzja co zasiać):
|
||||||
{
|
```
|
||||||
char plant;
|
void reciveState()
|
||||||
int i = 1;
|
{
|
||||||
int j = 1;
|
ifstream read("decyzje.txt");
|
||||||
while (read >> plant)
|
if (read.is_open())
|
||||||
{
|
{
|
||||||
if (j == 25)
|
char plant;
|
||||||
{
|
int i = 1;
|
||||||
gogo(1, i+1);
|
int j = 1;
|
||||||
}
|
while (read >> plant)
|
||||||
else
|
{
|
||||||
{
|
if (j == 25)
|
||||||
gogo(j+1 , i );
|
{
|
||||||
}
|
gogo(1, i+1);
|
||||||
pole[i][j][0] = plant;
|
}
|
||||||
if (plant == '.')
|
else
|
||||||
{
|
{
|
||||||
pole[i][j][1] = '1';
|
gogo(j+1 , i );
|
||||||
}
|
}
|
||||||
else
|
pole[i][j][0] = plant;
|
||||||
{
|
if (plant == '.')
|
||||||
pole[i][j][1] = '9';
|
{
|
||||||
}
|
pole[i][j][1] = '1';
|
||||||
if (j == 25)
|
}
|
||||||
{
|
else
|
||||||
j = 1;
|
{
|
||||||
i += 1;
|
pole[i][j][1] = '9';
|
||||||
}
|
}
|
||||||
else
|
if (j == 25)
|
||||||
{
|
{
|
||||||
j += 1;
|
j = 1;
|
||||||
}
|
i += 1;
|
||||||
}
|
}
|
||||||
}
|
else
|
||||||
}
|
{
|
||||||
|
j += 1;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
```
|
```
|
||||||
Loading…
Reference in New Issue
Block a user