===== Eksploracja Danych: Laboratorium 2 =====

 {{:med:med-lab02.pdf|Opis zadań (PDF)}}


==== Knowledge Explorer ====


<!--
Przy uruchomieniu oprogramowania Weka za pomoca komendy java -jar weka.jar używana jest JVM 1.8 OpenJDK.
Niestety, w KnowledgeFlow nie jest wówczas widoczne menu kontekstowe, co uniemożliwia wykonanie połączeń.

:!: Należy uruchomić Weka korzystając z maszyny wirtualnej 1.7 z dystrybucji Oracle, a nie OpenJDK

  /usr/local/java-7-oracle/jre/bin/java -jar /usr/local/weka/weka.jar 



  /usr/local/java-7-oracle/jre1.7.0_79/bin/java -jar /usr/local/weka/weka.jar
  
-->  
  
  *Argumenty przekształceń
       *Copy - ''1'' lub ''first''
       *Rename Find: ''Copy of X'' replace: ''X2''
       *Reorder  - podaje permutację, czyli ''1,3,2''
       *MathExpression: expression: ''A*A'' ,ignore range ''1,3'' 
       *Dla cech 3 stopnia można: MathExpression: expression: ''A*A*A'' ,ignore range ''3'' + **Invert selection**






<!--
Ścieżka do JRE:

   /usr/local/java-7-oracle/jre1.7.0_79/


Uruchom java VM z parametrem:
-Dsun.java2D.xrender=false
-->


  * Punkt 2.3: aby uzyskać taki sam rysunek - nalezy ustawić w ModelPerformanceChart osie wykresu jako X i Y


  * Punkt 2.5 :!: W tej wersji Weka grupowanie nie działa

---

**Kod do punktu 2.9**
<code python>
from keras import layers
from keras import models
from keras.models import Sequential,InputLayer
from keras.layers import Dense
from io import StringIO

import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np

# 005.arff
data = """
-4.84295,-27.856212
...
"""
#enter data as a string
inp =  StringIO(data)
x, y = np.loadtxt(inp, delimiter=',', usecols=(0, 1), unpack=True,skiprows=0)
X = np.stack((x,x**2,x**3),axis=-1)

tf.random.set_seed(1)
model = models.Sequential()
model.add(layers.InputLayer(input_shape=(X.shape[1],)))
model.add(layers.Dense(1))
model.summary()
model.compile(optimizer=tf.keras.optimizers.RMSprop(????), loss='mse', metrics=['mse','mae'])
hist = model.fit(X,y,epochs=???,verbose=1)


y_pred = model.predict(X)

plt.scatter(x,y)
plt.plot(x,(x+4)*(x+1)*(x-3),c='g')
plt.plot(x,y_pred,c='r')

</code>