Лабораторный практикум по интеллектуальным информационным системам

Для этого студентам необходимо выполнить следующие действия:
1. Скопировать обучающую выборку в распознаваемую в подсистеме: «F2 Обучение – ввод корректировка обучающей информации – F5 Об.инф.->Расп.анк. – F2 Перезапись БД распознаваемых анкет – F1 Копировать всю БД».
2. Выполнить пакетное распознавание в подсистеме: «F4 Распознавание – Пакетное распознавание – Критерий сходства [81] корреляция».
3. Измерить внутреннюю интегральную и дифференциальную валидность информационной модели в подсистеме: «F6 Анализ».

Пример решения задания 3: Оценить ценность признаков для прогнозирования. Выделить признаки, наиболее существенные для решения поставленной задачи.
В подсистеме: «F3 Оптимизация» выбрать режим: «Исключение признаков с низкой селективной силой». В результате появится экранная форма, представленная на рисунке 10:

Рисунок 10. Экранная форма «Селективная сила признаков»

Количественные значения селективной силы можно просмотреть, прокручивания экранную форму по горизонтали.
Более подробно эта информация представлена в таблице 16:

Соответствующую логистическую кривую (накопительную селективной силы) можно получит в графической форме нажав на клавишу «F8 График».

Пример решения задания 4: Провести анализ модели
Анализ модели позволяет дать обоснованные ответы, например, на следующие вопросы:
1. Как посещаемость занятий по системам искусственного интеллекта влияет на успеваемость по этой дисциплине?
2. Как сказывается пол на посещаемости?
3. Как выглядят конструкты «Пол», «Город-деревня», «Учебная группа», «Успеваемость», «Посещаемость»?
4. Какие студенты являются «типичными представителями» для своих учебных групп, а какие обладают своеобразием и выраженной индивидуальностью?
Результаты анализа отобразить в графической форме нелокальных нейронов и семантических сетей признаков. На их основе построить классические когнитивные карты для хорошо и плохо успевающих студентов.

Пример решения задания 4.1: Как посещаемость занятий по системам искусственного интеллекта влияет на успеваемость по этой дисциплине?
Для ответа на этот вопрос войдем в подсистему: «Типология» режим: «Типологический анализ первичных признаков – Информационные (ранговые) портреты» и установив курсор на строке с кодом 30 «Посещаемость плохая» нажмем Enter. В результате в экранной форме отобразиться информационный портер признака, т.е. состояния студентов, расположенные в порядке убывания значимости данного признака для их наступления. Однако в этой экранной форме приведены все состояния, а нас интересует только успеваемость. Успеваемость – это классификационная шкала, с кодами градаций от 7 до 10. Поэтому, чтобы отобразить только эти классы, нажмем клавиши: «F6 Фильтрация», затем «F1 Диапазон кодов» и зададим коды 7 – 10. В результате получим экранную форму, приведенную на рисунке 11:
Аналогично получим экранную форму для информационного портера признака: 32 «Посещаемость хорошая», представленную на рисунке 12.