Dezvoltarea sistemelor care învaţă singure. Probleme de tip regresie rezolvate cu metoda celor mai mici pătrate. Evaluareaa performanței acestor metode.
Metoda celor mai mici pătrate pentru rezolvarea problemelor de regresie.
Proiectarea sistemelor care învaţă singure.
Evaluarea sistemelor care învaţă singure. Metrici de performanță.
Ce îi poate face pe oameni fericiți? Se consideră problema predicției gradului de fericire a populației globului folosind informații despre diferite caracteristici a bunăstării respectivei populații precum Produsul intern brut al țării în care locuiesc (gross domestic product – GBP), gradul de fericire, etc.
Folsind datele aferente anului 2017 (fisierul v1_world-happiness-report-2017.csv), să se realizeze o predicție a gradului de fericire în funcție:
- doar de Produsul intern brut (exemplu detaliat live - demo)
- doar de caracteristica "Family" (tema)
- de Produsul intern brut si de gradul de libertate (temă).
Rezolvati problema si pentru cazurile in care datele sunt preluate din fisierul:
- v2_world-happiness-report-2017.csv
- v3_world-happiness-report-2017.csv
Specificaţi, proiectaţi, implementaţi si testati un algoritm de predicție bazat pe metoda celor mai mici pătrate.
🏵️ Cerinte opționale
Studiul comportamentului algoritmului de predictie pentru date corelate sau incomplete.
Laborator 6
Punctajele acordate ...
- Rezolvarea problemei (pt datele v1) cu tool – 50 puncte
- Rezolvarea problemei (pt datele v1) cu cod propriu (fara biblioteci specializate – e.g. sklearn, numpy, skit, opencv, etc) – 200 puncte
- Rezolvarea problemei (pt datele v2) - 50 puncte
- Rezolvarea problemei (pt datele v3) - 100 puncte
Notă:
- punctajul maxim acumulat pentru acest laborator este 400 puncte.
- punctajul minim pentru ca o tema predata sa fie valida este 100 puncte.