Matematické Fórum

Kejklir · 24. 10. 2014 08:12

Zdravim,
problem resim v ramci projektu pro univerzitu a je nasledujici:
Mam strukturu v mozku kterou je mozno rozclenit na 7 casti a zmerit jeji objem. Kombinaci techto 7 casti je mozno ziskat "Feature vector" pro klasifikaci. Jestlize vytvorim vsechny kombinace objemu sestavajici se z 1-7 prvku, bez opakovani a pouziji svuj klasifikacni algoritmus ziskam pro kazdy vektor pravdepodobnost spravne klasifikace v %. Algoritmus je stale stejny, tudiz nahodnymi velicinami jsou objemy casti struktur.

Muj dotaz zni nasledovne: Vsechny vektory, ktere nesdileji spolecnou velikost objemu budou na sobe nezavisle a tedy jejich pravdopodobnosti klasifikace lze povazovat za nezavisle. Nasledne lze tedy zvysit pravdepodobnost spravne klasifikace jednoduchymi pocty s pravdepodobnostmi.
Bylo by to priblizne

$P{s} = 1 -((1-P{1})*...*(1-P{n}))$

kde

$P{s}$ je celkova pravdepodobnost spravne klasifikace
$P{n}$ je pravdepodobnost spravneho zarazeni jednoho vektoru

Je to pravda?

jelena · 24. 10. 2014 11:04

Zdravím,

Nasledne lze tedy zvysit pravdepodobnost spravne klasifikace jednoduchymi pocty s pravdepodobnostmi.

zvýšit pravděpodobnost správné klasifikace - asi spíš změnou algoritmu klasifikace (ne výpočtem pravděpodobnosti)?

$P{s} = 1 -((1-P{1})*...*(1-P{n}))$

toto by byl výpočet celkové "správné", což je totéž jako P1*P2*P3*...*Pn (pokud jsem "správně" rozuměla). Zatím přesunu do sekce pokročilých, zda od kolegů nebude ještě dotazů na model a pod. Kolegům děkuji.

Kejklir

Moc dekuji za rychlou odpoved :)

Nasledne lze tedy zvysit pravdepodobnost spravne klasifikace jednoduchymi pocty s pravdepodobnostmi.
zvýšit pravděpodobnost správné klasifikace - asi spíš změnou algoritmu klasifikace (ne výpočtem pravděpodobnosti)?

O to se samozrejme snazim v prvni rade, problem je v tom ze se jedna SVM - jeden z trenovatelnych algoritmu a statistikou se snazim najit cestu jak obejit velke mnozstvi dat nutnych k trenovani. Ktere samozrejme nemam :/

$P{s} = 1 -((1-P{1})*...*(1-P{n}))$
toto by byl výpočet celkové "správné", což je totéž jako P1*P2*P3*...*Pn (pokud jsem "správně" rozuměla). Zatím přesunu do sekce pokročilých, zda od kolegů nebude ještě dotazů na model a pod. Kolegům děkuji.

Rozumela jsi dobre :) ale ted si nejsem jisty jestli jsem to nemyslel spatne:

$(1-P) = \overline{P}$

Tim padem to bude:

$P=1-({\overline{P{1}}* \overline{P2}* \overline{P3}*...*\overline{Pn}})$
a:
$P=\overline{\overline{P{1}}* \overline{P2}* \overline{P3}*...*\overline{Pn}}$

Jako pravdepodobnost ze vsechny vektory byly zarazeny spravne. Takze s kazdym vektorem ktery je uspesne zarazeny by chyba klesala.

Dekuji za pomoc a spravne zarazeni :)

Formol · 24. 10. 2014 13:07

↑ Kejklir:
Zdravím,
neznám přesně tvůj problém, ale řekl bych, že ke klasifikaci přistupuješ trochu nešťastně. Příznakový vektor v obecném případě obsahuje více informace než jednotlivé příznaky, takže fragmentace vektoru je "plýtváním informací".

Navíc, čistě z biologických důvodů, není předpoklad nezávislosti velikosti/objemu jednotlivých částí libovolné anatomické struktury oprávněný.

V obecné rovině má pravdu ↑ jelena:, ke zlepšení kvality klasifikátoru je třeba manipulovat s algoritmem (od volby parametrů až po volbu úplně jiného algoritmu).

Kejklir · 28. 10. 2014 09:14

↑ Formol:
Zdravim,
s tim delenim a zavislosti me to mohlo napadnout ze to nebude tak jednoduche.

S algoritmem souhlasim s vami i s Jelenou a jeste zkusim aspon jinou verzi, pripadne si zkusim prosadit jiny algoritmus.

K fragmentaci: Verim ze mate pravdu. At jsem nyni konkretni: snazim se najit a posoudit znamky demence na "mid sagital" skenu ze ktereho extrahuji corpus callosum. Kdyz jsem ale porovnal skupiny s celkovym vektorem a pak jenom s castecnym vysla mi vetsi presnost, specificita i selektivita u tech ktere porovnavaly pouze nektere predni a zadni casti. Coz +/- souhlasi se studijemi, ktere jsem byl schopen dohledat. Pouze nejsem schopen se momentalne dostat s presnosti pres rozumnou mez (alespon 90%). Proto nyni hledam zpusob jak by to slo zkombinovat.

Matematické Fórum

#1 24. 10. 2014 08:12

Zavisly/nezavisly jev v praxi

#2 24. 10. 2014 11:04

Re: Zavisly/nezavisly jev v praxi

#3 24. 10. 2014 11:41 — Editoval Kejklir (24. 10. 2014 11:49)

Re: Zavisly/nezavisly jev v praxi

#4 24. 10. 2014 13:07

Re: Zavisly/nezavisly jev v praxi

#5 28. 10. 2014 09:14

Re: Zavisly/nezavisly jev v praxi

Zápatí