Задать вопрос
Вход
Регистрация
Портал помощи студентам №1

Учебные работы на заказ без посредников
и переплат!

,

ул. Добролюбова, 16/2

support@professsor.com
Служба техподдержки
Меню
gugulenok

Заказы gugulenok

0
Науки
Науки
Экономические науки
Технические науки
Естественные науки
Математические науки
Программирование
Гуманитарные науки
Юридические науки
Иностранные языки
Работа с текстом
Дисциплины
Типы работ
Курсовая
Дипломная работа
Контрольная
Реферат
Статья
Решение задач
Отчет по практике
Шпаргалки
Чертеж
Рецензия
Лабораторная
Ответы на вопросы
Презентация
Перевод
Диплом МБА
Доклад
Диссертация
Бизнес-план
On-line тест
Другое
Статус заказа
В аукционе
Черновик
В работе
На гарантии
В корректировке
В арбитраже
Отменен
Завершен
В аукционе
Найти заказы

2 работы

Стоимость
Дата добавления
Срок сдачи
Курсовая
Курсовая
13 марта 2018 в 18:24
Другое
до 2 000
13 апреля
Описание работы

В аукционе

Ставки

900 — 4 000

Описание работы
gugulenok

Создание обучающего приложения, с помощью инструментов дополнительной реальности

Свернуть
Изменить ставку 4 000a Удалить ставку

Стоимость

a

Срок сдачи работы

Опубликовать Свернуть
a

Предоплата

50%
100%

Комментарий Пожалуйста, не указывайте контактные данные

Лабораторная
Лабораторная работа по матлаб
13 марта 2018 в 16:30
Matlab
до 500
16 марта
Описание работы

В аукционе

Ставки

390 — 500

Описание работы
gugulenok

выбираем собственную предметную область (data set) из http://archive.ics.uci.edu/ml/datasets.html?format=&task=cla…. В ходе лабораторной работы следует с помощью Matlab разработать небольшую программу, которая будет оценивать качество нескольких алгоритмов классификации данных из выбранной предметной области для нескольких значений параметров классификаторов. Задача-минимум: реализовать метод k-NN (k nearest neighbor). Задача-максимум – дополнительно использовать существующие реализации классификаторов, такие как SVM (support vector machine), random forest, na?ve Bayes и т.п. (см. Statistics and Machine Learning Toolbox, http://www.mathworks.com/help/stats/classification.html). Тестирование осуществляется методом скользящего контроля (cross validation): data set разбивается на 2 части (обучающая и тестовая выборка). По обучающей выборке происходит обучение классификатора, тестовая выборка используется для оценки вероятности ошибки классификации. Разбиение на два множества происходит последовательно в пропорциях 10%, 20%, 30%, ..., 90%. Далее для каждого отношения объема обучающей выборке к объему всей базы данных в течение нескольких раз (20-100) наугад заполняется обучающая выборка, все остальные объекты помещаются в тестовую выборку (главное, чтобы все классы в обучающей и тестовой выборке были представлены равномерно). Результаты отражаются в небольшой презентации (с таблицами/диаграммами и краткими выводами - какой алгоритм лучше какие данные классифицирует).

Свернуть
Изменить ставку 500a Удалить ставку

Стоимость

a

Срок сдачи работы

Опубликовать Свернуть
a

Предоплата

50%
100%

Комментарий Пожалуйста, не указывайте контактные данные

Показать все способы оплаты
Вход на сайт
Войти
Необходима авторизация
Данная функция доступна только
для зарегистрированных пользователей
Пожалуйста, авторизуйтесь, или пройдите регистрацию
Войти
Подтвердите ваш e-mail

Для завершения регистрации подтвердите свой e-mail: перейдите по ссылке, высланной вам в письме.

После этого будет создан ваш аккаунт и вы сможете войти на сайт и в личный кабинет.

ОК