Differences

This shows you the differences between two versions of the page.

--- ed:lab_08 [2024/04/09 21:38]
pszwed [4. LogisticRegressionGrid - tworzenie tabeli ocen]
+++ ed:lab_08 [2024/04/24 23:20] (current)
pszwed [4. LogisticRegressionGrid - tworzenie tabeli ocen]
@@ Line 14: / Line 14: @@
 === Zbiory danych ===
-  * {{ :ed:egzamin-cpp.csv |egzamin-cpp.csv}} - zanonimizowane wyniki zaliczeń/egzaminu z C i C++ w 2016 roku
+  * {{ :ed:egzamin-cpp.csv |egzamin-cpp.csv}} - poddane anonimizacji wyniki zaliczeń/egzaminu z C i C++ w 2016 roku
   * {{ :ed:grid.csv |grid.csv}} - kombinacje ocen
@@ Line 88: / Line 88: @@
 </code>
-**2.** Regresja logistyczna wymaga, aby atrybutów wejściowe były typu numerycznego. Jets też metodą klasyfikacji binarnej (etykiety powinny mieć wartości 0 i 1)
+**2.** Regresja logistyczna wymaga, aby atrybutów wejściowe były typu numerycznego. Jest też metodą klasyfikacji binarnej (etykiety powinny mieć wartości 0 i 1)
   * przekonwertuj datę  za pomocą funkcji ''unix_timestamp'' - nadaj nowej kolumnie nazwę ''timestamp''
   * Dodaj kolumnę ''Wynik'' będącą wynikiem testu, czy ''Egzamin>=3.0'' - użyj funkcji SQL IF()
@@ Line 139: / Line 139: @@
 **3.** Zinterpretuj współczynniki równania regresji (napisz kod lub zamieść wykonane obliczenia). Pamiętaj, że timestamp jest wyrażony w sekundach.
-Poniższe wyniki były wygenerowane za pomocą kodu. W praktyce wynik nie zależy od daty...
+Poniższe wyniki były wygenerowane programowo. W praktyce wynik nie zależy od daty...
 <code>
 Wzrost OcenaC o 1 zwiększa logit o 0.719097, a szanse zdania razy 2.052578 czyli o 105.257821%
@@ Line 242: / Line 242: @@
 ===== 3. LogisticRegressionScores - ocena wyników =====
-Napisz funkcję tarinAndTest, która:
+Napisz funkcję trainAndTest, która:
   * dokona podziału na zbiór treningowy i testowy
@@ Line 430: / Line 430: @@
 </code>
-**Uwaga:** wynik może się nieco różnić w zależności od konfiguracji
+**Uwaga:** wynik może się nieco różnić w zależności od konfiguracji, np. progu prawdopodobieństwa
-**1.** Wytrenuje klasyfikator na zbiorze ''egzamin-cpp.csv''. Wykorzystuj kod z poprzedniej części, ustaw próg prawdopodobieństwa.
+**1.** Wytrenuj klasyfikator na zbiorze ''egzamin-cpp.csv''. Wykorzystuj kod z poprzedniej części, ustaw próg prawdopodobieństwa.
 **2.** Napisz funkcje
@@ Line 442: / Line 442: @@
 która:
   * Wczyta zbiór danych ''grid.csv''
-  * Przetworzy daty
+  * Przetworzy daty, tak aby stały się wartościami numerycznymi
   * Skonfiguruje VectorAssembler
   * Wywoła funkcję predykcji zmiennej ''lrMpdel''
   * Usunie nadmiarowe kolumny
-  * Za pomocą zarejestrowanej funkcji użytkownika UDF dokona konwersji etykiet //0->Nie zdał// oraz //1->Zdał//
+  * Za pomocą funkcji ''IF()'' SQL lub zarejestrowanej funkcji użytkownika UDF dokona konwersji etykiet //0->Nie zdał// oraz //1->Zdał//
   * Wyświetli wynik
   * Zapisze w pliku ''grid-with-classification.csv''