אריאל שרטט היסטוגרמה של המאפיינים במאגר הנתונים (גרפים 1-4). אילו מבין הגרפים מייצג את המשתנה "תקלה"? נמקו את קביעתכם.

על בסיס הגרפים בסעיף 1, קבעו האם קובץ הנתונים מאוזן? נמקו את קביעתכם.

על סביב הגרפים בסעיף 1, קבעו כמה דוגמאות יש במאגר.

קובי מנסה לסווג את הפרויקט שלו (בעל 4 לולאות, 10 משתנים ו-6 תנאים) באמצעות אלגוריתם KNN שאומן על מאגר הנתונים שאריאל אסף. קובי התחיל לחשב את המרחקים בין הפרויקט שלו לבין הדוגמאות במאגר, אולם הלולאה נעצרה אחרי 5 חישובים בלבד.

a. קבעו על פי חמשת הדוגמאות הראשונות באיזה מרחק משתמש קובי: L1, L2 או קוסינוס?

b. חשבו את המרחק של הפרויקט של קובי מדוגמא 6.

c. מהו הסיווג של הפרויקט החדש עבור k=3. נמקו את קביעתכם.

קובי מצא שתי פונקציות ספרייה לחישוב מרחקים: sod_x, sod_y. מה מחשבות פונקציות ספרייה אלו?

python
1def sod_x(a,b):
2  d = 0
3  for i in range(len(a)):
4      d += abs(a[i]-b[i])
5  return d
6
7def sod_y(a,b):
8  for i in range(len(a)):
9    d += (a[i]-b[i])**2
10  return np.sqrt(d)

נתון גרף של דיוק המסווג על נתוני הולידציה (validation set) עבור K שונים.

a. מהו ה-K האופטימלי על פי גרף זה? נמקו את קביעתכם.

b. מדוע ביצועי המסווג נמוכים עבור K קטן מערכי K אופטימלי?

c. מדוע ביצועי המסווג נמוכים עבור K גדול מערכי K אופטימלי?

נתונה טבלת confusion matrix של ביצועי המסווג.

a. על כמה פרויקטי תוכנה נבדק המסווג?

b. חשבו accuracy של המסווג.

c. חשבו precision ו-recall לכל תגית.

d. נציג מחלקת בקרת איכות טוען כי בפרויקטים רבים יש תקלה והיא לא מזוהה. לאיזה מדד ותגית מתייחס נציג מחלקת בקרת איכות: accuracy, precision או recall? נמקו את קביעתכם.

e. נציג מחלקת פיתוח טוען כי בפרויקטים רבים מזוהה תקלה גם כשהם תקינים. לאיזה מדד ותגית מתייחס נציג מחלקת בקרת איכות: accuracy, precision או recall? נמקו את קביעתכם.

עמוס בנה ממסווג nearest centroid על בסיס הנתונים של אריאל וגילה כי זמן האימון וזמן החיזוי שונים לעומת זמן האימון והחיזוי של אלגוריתם KNN.

a. הסבירו את ההבדלים בזמני האימון והסיווג בין האלגוריתמים.

b. נתונה טבלה עם זמני הריצה לאימון ולחיזוי של האלגוריתים שאמנו אריאל (KNN) ועמוס (nearest centroid). זהו איזו עמודה שייכת לאיזה אלגוריתם.