s464968/projekt_rozpoznywanie_grzybow
1
0
Fork 0
Code Issues Pull Requests Projects Releases Wiki Activity

Cleanup

Browse Source
This commit is contained in:
s464968 2023-02-03 15:47:49 +01:00
parent 37352ddc0d
commit 6fd4e18560
5 changed files with 28 additions and 49 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

BIN
Jadalnosc_grzybow.pdf
View File

Binary file not shown.

BIN
Wzór raportu.docx
View File

Binary file not shown.

BIN
Wzór raportu.pdf
View File

Binary file not shown.

21
dane_z_moodle.txt
View File

@ -1,21 +0,0 @@
Projekt realizowany jest indywidualnie.
Projekt polega na zastosowaniu poznanych metod uczenia maszynowego do znalezienia rozwiązania wybranego problemu.
Oprócz zbudowania odpowiedniego modelu, oceniane będzie odpowiednie przygotowanie danych uczących oraz ewaluacja stworzonego modelu.
Dodatkowo, żeby otrzymać maksymalną liczbę punktów, przynajmniej jeden z modeli powinien być siecią neuronową.
Pliki potrzebne do uruchomienia projektu (kod i dane) należy dołączyć na Moodle'u lub umieścić w repozytorium (wówczas wystarczy podać jego adres).
Do oceny projektu proszę przygotować również krótki raport, zawierający:
cel projektu / definicję problemu (jakie zagadnienie Państwo rozwiązywali)
opis użytych danych (skąd pochodzą dane, ile przykładów zawierają zbiory uczący i testowy)
opis wykorzystanych metod (jakich modeli Państwo użyli)
tabelkę z wynikami ewaluacji
ewentualne wnioski
Wzór raportu znajduje się w pliku Wzór raportu.docx
Maksymalna liczba punktów: 34

56
mushrooms.ipynb
View File

@ -2,7 +2,7 @@
"cells": [
{
"cell_type": "code",
"execution_count": 127,
"execution_count": 165,
"metadata": {},
"outputs": [],
"source": [
@ -11,7 +11,7 @@
},
{
"cell_type": "code",
"execution_count": 128,
"execution_count": 166,
"metadata": {},
"outputs": [],
"source": [
@ -22,7 +22,7 @@
},
{
"cell_type": "code",
"execution_count": 129,
"execution_count": 167,
"metadata": {},
"outputs": [
{
@ -73,7 +73,7 @@
},
{
"cell_type": "code",
"execution_count": 130,
"execution_count": 168,
"metadata": {},
"outputs": [
{
@ -105,7 +105,7 @@
"dtype: int64"
]
},
"execution_count": 130,
"execution_count": 168,
"metadata": {},
"output_type": "execute_result"
}
@ -116,7 +116,7 @@
},
{
"cell_type": "code",
"execution_count": 131,
"execution_count": 169,
"metadata": {},
"outputs": [
{
@ -147,7 +147,7 @@
"dtype: int64"
]
},
"execution_count": 131,
"execution_count": 169,
"metadata": {},
"output_type": "execute_result"
}
@ -158,7 +158,7 @@
},
{
"cell_type": "code",
"execution_count": 132,
"execution_count": 170,
"metadata": {},
"outputs": [
{
@ -505,7 +505,7 @@
"[792 rows x 117 columns]"
]
},
"execution_count": 132,
"execution_count": 170,
"metadata": {},
"output_type": "execute_result"
}
@ -520,7 +520,7 @@
},
{
"cell_type": "code",
"execution_count": 133,
"execution_count": 171,
"metadata": {},
"outputs": [
{
@ -867,7 +867,7 @@
"[6465 rows x 118 columns]"
]
},
"execution_count": 133,
"execution_count": 171,
"metadata": {},
"output_type": "execute_result"
}
@ -880,7 +880,7 @@
},
{
"cell_type": "code",
"execution_count": 134,
"execution_count": 172,
"metadata": {},
"outputs": [
{
@ -904,7 +904,7 @@
},
{
"cell_type": "code",
"execution_count": 135,
"execution_count": 173,
"metadata": {},
"outputs": [
{
@ -1251,7 +1251,7 @@
"[792 rows x 117 columns]"
]
},
"execution_count": 135,
"execution_count": 173,
"metadata": {},
"output_type": "execute_result"
}
@ -1263,7 +1263,7 @@
},
{
"cell_type": "code",
"execution_count": 136,
"execution_count": 174,
"metadata": {},
"outputs": [
{
@ -1288,15 +1288,15 @@
},
{
"cell_type": "code",
"execution_count": 137,
"execution_count": 175,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"0.96\n",
"0.96\n"
"0.95\n",
"0.97\n"
]
}
],
@ -1312,7 +1312,7 @@
},
{
"cell_type": "code",
"execution_count": 138,
"execution_count": 176,
"metadata": {},
"outputs": [
{
@ -1335,7 +1335,7 @@
},
{
"cell_type": "code",
"execution_count": 139,
"execution_count": 177,
"metadata": {},
"outputs": [
{
@ -1373,7 +1373,7 @@
},
{
"cell_type": "code",
"execution_count": 140,
"execution_count": 178,
"metadata": {},
"outputs": [
{
@ -1396,7 +1396,7 @@
},
{
"cell_type": "code",
"execution_count": 141,
"execution_count": 179,
"metadata": {},
"outputs": [
{
@ -1411,8 +1411,8 @@
" trujące 0.84 1.00 0.91 386\n",
"\n",
" accuracy 0.91 792\n",
" macro avg 0.92 0.91 0.90 792\n",
"weighted avg 0.92 0.91 0.90 792\n",
" macro avg 0.92 0.91 0.91 792\n",
"weighted avg 0.92 0.91 0.91 792\n",
"\n"
]
}
@ -1428,7 +1428,7 @@
},
{
"cell_type": "code",
"execution_count": 142,
"execution_count": 180,
"metadata": {},
"outputs": [
{
@ -1458,7 +1458,7 @@
},
{
"cell_type": "code",
"execution_count": 143,
"execution_count": 181,
"metadata": {},
"outputs": [
{
@ -1488,7 +1488,7 @@
},
{
"cell_type": "code",
"execution_count": 144,
"execution_count": 182,
"metadata": {},
"outputs": [
{
@ -1526,7 +1526,7 @@
},
{
"cell_type": "code",
"execution_count": 145,
"execution_count": 183,
"metadata": {},
"outputs": [
{