Re: Santander Value Prediction Challenge
![Сообщение Сообщение](./styles/prosilver/imageset/icon_post_target.gif)
Я советую сделать так. Скачать систему Эйдос с моего сайта (http://lc.kubagro.ru/Aidos-X.exe) и развернуть ее, например в папках: c:\1\Aidos-X и c:\2\Aidos-X. И в 1-й, и во 2-й установить в режиме 1.3 лаб.работу 3.03 и затем в обоих папках выполнить режим 3.5. 1-ю использовать без твоих модулей, а 2-ю с твоими модулями. Во 2-й запускать твои модули и сравнивать файлы матриц моделей и результаты распознавания с теми, которые в 1-й.
Матрицы моделей не нормируются, они получаются как есть по формулам из таблицы 3 статьи:
Луценко Е.В. Теоретические основы системно-когнитивного моделирования процессов и машин агроинженерных систем / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2018. – №01(135). С. 1 – 49. – IDA [article ID]: 1351801001. – Режим доступа: http://ej.kubagro.ru/2018/01/pdf/01.pdf, 3,062 у.п.л.
Нормируются результаты распознавания.
Структура матрицы: abs.txt
Структура матриц остальных моделей: prc1.txt, prc2, in1-inf3:
Матрицы моделей не нормируются, они получаются как есть по формулам из таблицы 3 статьи:
Луценко Е.В. Теоретические основы системно-когнитивного моделирования процессов и машин агроинженерных систем / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2018. – №01(135). С. 1 – 49. – IDA [article ID]: 1351801001. – Режим доступа: http://ej.kubagro.ru/2018/01/pdf/01.pdf, 3,062 у.п.л.
- Код: Выделить всё
N1 = VAL(LC_FieldGet( DB_Name, nHandle[1], N_Gos+1, N_Cls+3 )) // факт - это встреча в обучающей выборке сочетания: класс х признак
K1 = LOG(N_Cls)/LOG(N1)/LOG(2) // Нормировочный коэффициент для INF1
N2 = VAL(LC_FieldGet( DB_Name, nHandle[1], N_Gos+4, N_Cls+3 )) // Суммарное количество объектов обучающей выборки, учтенных в модели
K2 = LOG(N_Cls)/LOG(N2)/LOG(2) // Нормировочный коэффициент для INF2
Нормируются результаты распознавания.
Структура матрицы: abs.txt
- Код: Выделить всё
aInfStruct := { { "Kod_pr", "N", 15, 0},; // 1
{ "Name" , "C",mLenNameMax, 0} } // 2
FOR j=1 TO N_Cls
FieldName = "N"+ALLTRIM(STR(j,15))
AADD(aInfStruct, { FieldName, "N", 19, 1 })
NEXT
AADD(aInfStruct, { "Summa", "N", 19, 1 })
AADD(aInfStruct, { "Sredn", "N", 19, 7 })
AADD(aInfStruct, { "Disp" , "N", 19, 7 })
DC_ASave(aInfStruct, "_AbsStruct.arx") // Когда БД создается - записывать структуру, когда открывается - считывать
*aInfStruct = DC_ARestore("_AbsStruct.arx")
*************************************************
DB_name = "Abs.txt"
Структура матриц остальных моделей: prc1.txt, prc2, in1-inf3:
- Код: Выделить всё
********** Структура создаваемой базы ***********
aInfStruct := { { "Kod_pr", "N", 15, 0},; // 1
{ "Name" , "C",mLenNameMax, 0} } // 2
FOR j=1 TO N_Cls
FieldName = "N"+ALLTRIM(STR(j,15))
AADD(aInfStruct, { FieldName, "N", 19, 7 })
NEXT
AADD(aInfStruct, { "UnProb", "N", 19, 7 }) // Безусловная вероятность
AADD(aInfStruct, { "Sredn" , "N", 19, 7 })
AADD(aInfStruct, { "Disp" , "N", 19, 7 })
DC_ASave(aInfStruct, "_PrcStruct.arx") // Когда БД создается - записывать структуру, когда открывается - считывать
*aInfStruct = DC_ARestore("_PrcStruct.arx")
*************************************************
******** Создать БД *********************
DB_name1 = "Prc1.txt"