From f67a461d06ff1e072867e4ba394532eb3ae735fb Mon Sep 17 00:00:00 2001 From: TekotovaVA Date: Wed, 5 Nov 2025 12:41:32 +0000 Subject: [PATCH] =?UTF-8?q?=D0=98=D0=B7=D0=BC=D0=B5=D0=BD=D0=B8=D0=BB(?= =?UTF-8?q?=D0=B0)=20=D0=BD=D0=B0=20'labworks/LW2/report.md'?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- labworks/LW2/report.md | 12 ++++++------ 1 file changed, 6 insertions(+), 6 deletions(-) diff --git a/labworks/LW2/report.md b/labworks/LW2/report.md index fd2c724..d651e69 100644 --- a/labworks/LW2/report.md +++ b/labworks/LW2/report.md @@ -209,7 +209,7 @@ lib.plot2in1_anomaly(data, xx, yy, Z1, Z2, data_test) ## 12. Выводы о требованиях -* Вывод: +Вывод: Критерии качественного детектирования аномалий: @@ -224,15 +224,15 @@ lib.plot2in1_anomaly(data, xx, yy, Z1, Z2, data_test) 5. Метрики: Excess=0, Deficit=0, Coating=1, Approx=1" # Задание 2. ## 1. Описание набора реальных данных -* Исходный набор данных Letter Recognition Data Set из репозитория машинного обучения UCI представляет собой набор данных для многоклассовой классификации. Набор предназначен для распознавания черно-белых пиксельных прямоугольников как одну из 26 заглавных букв английского алфавита, где буквы алфавита представлены в 16 измерениях. Чтобы получить данные, подходящие для обнаружения аномалий, была произведена подвыборка данных из 3 букв, чтобы сформировать нормальный класс, и случайным образом их пары были объединены так, чтобы их размерность удваивалась. Чтобы сформировать класс аномалий, случайным образом были выбраны несколько экземпляров букв, которые не входят нормальный класс, и они были объединены с экземплярами из нормального класса. Процесс объединения выполняется для того, чтобы сделать обнаружение более сложным, поскольку каждый аномальный пример также будет иметь некоторые нормальные значения признаков. +Исходный набор данных Letter Recognition Data Set из репозитория машинного обучения UCI представляет собой набор данных для многоклассовой классификации. Набор предназначен для распознавания черно-белых пиксельных прямоугольников как одну из 26 заглавных букв английского алфавита, где буквы алфавита представлены в 16 измерениях. Чтобы получить данные, подходящие для обнаружения аномалий, была произведена подвыборка данных из 3 букв, чтобы сформировать нормальный класс, и случайным образом их пары были объединены так, чтобы их размерность удваивалась. Чтобы сформировать класс аномалий, случайным образом были выбраны несколько экземпляров букв, которые не входят нормальный класс, и они были объединены с экземплярами из нормального класса. Процесс объединения выполняется для того, чтобы сделать обнаружение более сложным, поскольку каждый аномальный пример также будет иметь некоторые нормальные значения признаков. - Количество признаков - 32 + - Количество признаков - 32 - Количество примеров - 1600 + - Количество примеров - 1600 - Количество нормальных примеров - 1500 + - Количество нормальных примеров - 1500 - Количество аномальных примеров - 100 + - Количество аномальных примеров - 100 ## 2. Загрузка многомерной обучающей выборки ```python