Обсуждение:Практикум на ЭВМ (317)/2011-2012
Материал из MachineLearning.
(→Постановка, данные) |
|||
| Строка 14: | Строка 14: | ||
На сайте соревнования выложены текстовые файлы с матрицами объект-признак, после распаковки они весят под 500МБ и очень долго считываются в матлаб. Я сделал MAT-файл [http://dl.dropbox.com/u/20300574/jrs12_topic/data.mat data.mat], в котором лежат sparse-матрицы (вид представления матриц в матлабе при котором запоминается список ненулевых элементов матрицы): | На сайте соревнования выложены текстовые файлы с матрицами объект-признак, после распаковки они весят под 500МБ и очень долго считываются в матлаб. Я сделал MAT-файл [http://dl.dropbox.com/u/20300574/jrs12_topic/data.mat data.mat], в котором лежат sparse-матрицы (вид представления матриц в матлабе при котором запоминается список ненулевых элементов матрицы): | ||
| - | * <code>X</code>, <code>X_t</code> | + | * <code>X</code>, <code>X_t</code> — объект-признак для тренировочной и тестовой выборок; |
| - | * <code>Y</code> | + | * <code>Y</code> — матрица правильных ответов для тренировочной выборки, размера 10'000x83, в каждой строке стоят единицы на месте столбцов с номерами выбраных тематик. |
| - | + | ||
| + | Матлаб функция, которая записывает результат классификации, представленный в виде матрицы Nx83 (как <code>Y</code>), в файл готовый для отправки в систему: [http://dl.dropbox.com/u/20300574/jrs12_topic/sparse2labels.m]. | ||
| + | [[Участник:Peter Romov|Peter Romov]] 16:15, 9 февраля 2012 (MSK) | ||
== Идеи == | == Идеи == | ||
Версия 13:15, 9 февраля 2012
Реальная задача «Topical Classification of Biomedical Research Papers»
Постановка, данные
Подробное описание задачи: [1].
Объект (журнальная статья) описывается 25640 признаками --- целые числа 0...1000. Каждый признак означает насколько сильно журнальная статья связана с медецинским термином. Признаковые описания разреженные: большая часть признаков у одного объекта равны 0, что означает что одна журнальная статья связана лишь с небольшим числом медецинских терминов.
Имеется 83 тематик (topics). По признаковому описанию журнальной статьи нужно сказать, к каким тематикам она относится. Выход классификатора: подмножество чисел 1..83.
Данные:
- тренировочная выборка, 10'000 объектов, для каждого объекта список тематик, к которым он относится
- тестовая выборка, 10'000 объектов
На сайте соревнования выложены текстовые файлы с матрицами объект-признак, после распаковки они весят под 500МБ и очень долго считываются в матлаб. Я сделал MAT-файл data.mat, в котором лежат sparse-матрицы (вид представления матриц в матлабе при котором запоминается список ненулевых элементов матрицы):
-
X,X_t— объект-признак для тренировочной и тестовой выборок; -
Y— матрица правильных ответов для тренировочной выборки, размера 10'000x83, в каждой строке стоят единицы на месте столбцов с номерами выбраных тематик.
Матлаб функция, которая записывает результат классификации, представленный в виде матрицы Nx83 (как Y), в файл готовый для отправки в систему: [2].
Peter Romov 16:15, 9 февраля 2012 (MSK)
