Workflows

Sort by:
Showing 30 results. Use the filters on the left and the search box below to refine the results.
User: Mikolaj Morzy
Original Uploader

Workflow Usunięcie atrybutów o małej zmienności (1)

Created: 23/03/11 @ 00:53:15 | Last updated: 23/03/11 @ 00:59:08

License: Creative Commons Attribution-No Derivative Works 3.0 Unported License

Thumb
Ten prosty workflow obrazuje wykorzystanie operatora Remove Useless Attributes, który usuwa te atrybuty, których odchylenie standardowe jest mniejsze niż zadany próg (dla atrybutów numerycznych), lub których wartość modalna występuje częściej, niż zadany próg (dla atrybutów kategorycznych)

Rating: 0.0 / 5 (0 ratings) | Versions: 1 | Reviews: 0 | Comments: 0 | Citations: 0

Viewed: 23 times | Downloaded: 79 times

This Workflow has no tags!

Original Uploader

Workflow Prosty przykład algorytmu AdaBoost (1)

Created: 25/05/11 @ 08:01:13 | Last updated: 25/05/11 @ 08:03:30

License: Creative Commons Attribution-No Derivative Works 3.0 Unported License

Thumb
Przepływ obrazuje przykład wykorzystania algorytmu AdaBoost. W kolejnych teracjach metoda modyfikuje przykłady ze zbioru uczącego, przypisując większą wagę przykładom błędnie sklasyfikowanym we wcześniejszych iteracjach.

Rating: 0.0 / 5 (0 ratings) | Versions: 1 | Reviews: 0 | Comments: 0 | Citations: 0

Viewed: 35 times | Downloaded: 126 times

This Workflow has no tags!

Original Uploader

Workflow Wybór atrybutów na podstawie algorytmu gen... (1)

Created: 23/03/11 @ 08:23:47 | Last updated: 23/03/11 @ 08:28:22

License: Creative Commons Attribution-No Derivative Works 3.0 Unported License

Thumb
Workflow przedstawia wykorzystanie algorytmu genetycznego do znalezienia optymalnego zbioru atrybutów. Wybór atrybutów odbywa się na podstawie sprawdzenia jakości klasyfikacji. Wykorzystanym klasyfikatorem jest algorytm k-najbliższych sąsiadów, zbiór danych jest dzielony na zbiór uczący i zbiór testujący w proporcji 70%-30%. Wyjściowy algorytm genetyczny wykorzystuje populacje o rozmiarze 10, ograniczając liczbę pokoleń do 30.

Rating: 0.0 / 5 (0 ratings) | Versions: 1 | Reviews: 0 | Comments: 0 | Citations: 0

Viewed: 31 times | Downloaded: 93 times

This Workflow has no tags!

Original Uploader

Workflow Wybór początkowego podziału dla algorytmu ... (1)

Created: 11/05/11 @ 07:42:32 | Last updated: 12/05/11 @ 00:08:50

License: Creative Commons Attribution-No Derivative Works 3.0 Unported License

Thumb
Proces pokazuje, w jaki sposób można zautomatyzować proces znajdowania najlepszego początkowego wyboru centroidów uniezależniając się (do pewnego stopnia) od wpływu losowania.

Rating: 0.0 / 5 (0 ratings) | Versions: 1 | Reviews: 0 | Comments: 0 | Citations: 0

Viewed: 19 times | Downloaded: 40 times

This Workflow has no tags!

Original Uploader

Workflow Wykorzystanie klasyfikatora binarnego do k... (1)

Created: 25/05/11 @ 08:26:14 | Last updated: 25/05/11 @ 08:34:17

License: Creative Commons Attribution-No Derivative Works 3.0 Unported License

Thumb
Wiele klasyfikatorów (np. SVM) pozwala na klasyfikację jedynie w przypadku gdy zmienna celu jest binarna. Poniższy przepływ pokazuje, w jaki sposób operator Polynomial By Binomial Classificaiton pozwala agregować odpowiedzi klasyfikatorów binarnych dla przypadków, w których zmienna celu zawiera wiele różnych wartości.

Rating: 0.0 / 5 (0 ratings) | Versions: 1 | Reviews: 0 | Comments: 0 | Citations: 0

Viewed: 17 times | Downloaded: 82 times

This Workflow has no tags!

Original Uploader

Workflow Odkrywanie reguł asocjacyjnych za pomocą a... (1)

Created: 31/03/11 @ 01:05:15 | Last updated: 31/03/11 @ 01:06:36

License: Creative Commons Attribution-No Derivative Works 3.0 Unported License

Thumb
Workflow pokazuje sposób wykorzystania operatorów Apriori i PredictiveApriori (z narzędzia Weka) do odkrywania reguł asocjacyjnych. Operator Set Role został wykorzystany do tego, żeby atrybut Play (który w oryginale jest zmienną celu) był potraktowany jak zwyczajny atrybut.

Rating: 0.0 / 5 (0 ratings) | Versions: 1 | Reviews: 0 | Comments: 0 | Citations: 0

Viewed: 48 times | Downloaded: 55 times

This Workflow has no tags!

Original Uploader

Workflow Algorytm EM (1)

Created: 11/05/11 @ 08:42:15 | Last updated: 11/05/11 @ 08:45:37

License: Creative Commons Attribution-No Derivative Works 3.0 Unported License

Thumb
Proces pokazuje przypadek wykorzystania algorytmu analizy skupień działającego według zasady expectation maximization (EM), czyli dopasowywania rozkładów do obserwowanego zbioru danych.

Rating: 0.0 / 5 (0 ratings) | Versions: 1 | Reviews: 0 | Comments: 0 | Citations: 0

Viewed: 24 times | Downloaded: 43 times

This Workflow has no tags!

Original Uploader

Workflow Wybór atrybutów na podstawie wagi (1)

Created: 23/03/11 @ 07:27:48 | Last updated: 23/03/11 @ 07:30:52

License: Creative Commons Attribution-No Derivative Works 3.0 Unported License

Thumb
Workflow pokazuje wykorzystanie operatora Weight by Relief w celu porównania wartości każdego atrybutu z wartościami danego atrybutu w sąsiednich instancjach należących do tej samej klasy. Każdy atrybut otrzymuje wagę (znormalizowaną bądź nie) określającą zbieżność wartości w poszczególnych klasach. Następnie, operator Select by Weight dokonuje filtrowania atrybutów.

Rating: 0.0 / 5 (0 ratings) | Versions: 1 | Reviews: 0 | Comments: 0 | Citations: 0

Viewed: 21 times | Downloaded: 95 times

This Workflow has no tags!

Original Uploader

Workflow Przykład metody Stacking (1)

Created: 25/05/11 @ 08:12:51 | Last updated: 25/05/11 @ 08:15:17

License: Creative Commons Attribution-No Derivative Works 3.0 Unported License

Thumb
Poniższy przepływ pokazuje wykorzystanie operatora Stacking do tworzenia meta-klasyfikatorów. Operator Stacking pozwala na zagnieżdżenie dowolnej liczby modeli bazowych, które będą równolegle uczone na zbiorze uczącym. Drugim operatorem zagnieżdżonym jest model klasyfikatora, który uczy się na odpowiedziach modeli bazowych (czyli buduje model modeli odpowiedzi). W przykładzie jako modele bazowe wykorzystano: drzewo decyzyjne, algorytm k-NN, sieć neuronową i SVN, a ...

Rating: 0.0 / 5 (0 ratings) | Versions: 1 | Reviews: 0 | Comments: 1 | Citations: 0

Viewed: 37 times | Downloaded: 105 times

This Workflow has no tags!

Original Uploader

Workflow Wybór atrybutów na podsatwie algorytmu zac... (1)

Created: 23/03/11 @ 08:42:06 | Last updated: 23/03/11 @ 08:45:24

License: Creative Commons Attribution-No Derivative Works 3.0 Unported License

Thumb
Workflow pokazuje użycie algorytmu zachłannego do wyboru cech. Algorytm może wykonywać zarówno wyboru progresywnego (forward selection) jak i selekcji wstecznej (backward selection). Do oceny jakości rozwiązania algorytm wykorzystuje klasyfikator k-najbliższych sąsiadów i 10-krotną walidację krzyżową.

Rating: 0.0 / 5 (0 ratings) | Versions: 1 | Reviews: 0 | Comments: 0 | Citations: 0

Viewed: 27 times | Downloaded: 59 times

This Workflow has no tags!

Sort by:

Results per page:

New/Upload

Log in / Register

Username or Email:

Password:

Remember me:

OR

Use OpenID:


(eg: name.myopenid.com)

Need an account?
Click here to register

Forgot Password?

Front Page

Home

Invite people to myExperiment Alpha

Help pages

About Us

News and Events

Mailing List

Contact Us

Developers

Publications


Taverna Workflow Workbench

myGrid

BioCatalogue

Trident

Google Coop Search

EPSRC

JISC

Microsoft

Powered by:

Rails

Icons:
Silk icon set 1.3