Book content
Skip to reader controlsSkip to navigationSkip to book detailsSkip to footer
Spistreści
1.Pojęciawstępneuczeniamaszynowego...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...9
2.Modeleregresjiliniowej...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...12
2.1.Wprowadzenie...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
.....
...
.12
2.2.Ogólnymodelregresjiliniowej...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
.13
2.3.ZastosowaniedekompozycjiSVDwregresjiliniowej...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
..16
2.4.Implementacjaregresjiliniowej...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...21
3.KlasyfikatoryKNN...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
..25
4.KlasyfikatoryprobabilistyczneBayesa...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...32
4.1.Wprowadzenie...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
.....
...
.32
4.2.PełnyklasyfikatorBayesa...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
.32
4.3.NaiwnyklasyfikatorBayesa...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...38
4.4.ImplementacjanaiwnegoklasyfikatoraBayesawMatlabie...
...
...
...
...
...
...
...
...
...
...
...
...
...
...43
5.Drzewadecyzyjne...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
.48
5.1.Wprowadzenie...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
.....
...
.48
5.2.Strukturadrzewadecyzyjnego...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...49
5.3.Algorytmtworzeniadrzewadecyzyjnego...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...51
5.4.Implementacjamodeludrzewadecyzyjnego...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
..58
5.5.Laslosowydrzewdecyzyjnych...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
.64
5.5.1.Opismetody...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
..64
5.5.2.Implementacjalasulosowego...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
..67
6.SiećneuronowaMLP...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
.73
6.1.Wprowadzenie...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
.....
...
.73
6.2.Strukturasieci...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
.....
...
...
..73
6.3.AlgorytmyuczącesieciMLP...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
.76
6.3.1.Wyznaczaniegradintumetodąpropagacjiwstecznej...
...
...
...
...
...
...
...
...
...
...
...
...
...
..77
6.3.2.Algorytmygradientoweuczeniasieci...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
..80
6.3.3.ProgramkomputerowydouczeniasieciMLPwMatlabie...
...
...
...
...
...
...
...
...
...
...
...87
6.4.PrzykładyużyciasieciMLPwaproksymacjidanych...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...90
6.5.PraktycznewskazówkidoborustrukturysieciMLP...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
..94
