Seminar Classification Algorithms

Wintersemester 2015/2016

Übersicht

• Allgemeines
• Termine und Räume
• Zusätzliche Unterlagen
• Verweise

Allgemeines

Auf dieser Seite finden Sie verschiedene Informationen zum Seminar "Classification Algorithms", das im Wintersemester 2015/2016 von Christian Braune und Pascal Held an der Otto-von-Guericke-Universität Magdeburg gehalten wird. Diese Seite wird im Laufe des Semesters aktualisiert.

Inhalte des Seminars

Klassifikation ist ein Teilbereich der intelligenten Datenanalyse, bei dem das Ziel ist, anhand von Trainingsbeispielen ein Modell zu erlernen. Solch ein Modell soll dann in der Lage sein, neue und unbekannte Objekte korrekt in die bekannten Klassen einzuordnen. Hierfür existieren viele verschiedene Verfahren, die Strukturinformationen aus den vorhandenen Daten unterschiedlich ausnutzen, um zu einem Ergebnis zu kommen.

In diesem Seminar sollen in der Gruppe verschiedene Klassifikationsalgorithmen erarbeitet und beschrieben werden, sowie anhand von Beispielen Stärken und Schwächen der Algorithmen aufgezeigt werden. Dabei werden wir versuchen sowohl auf verschiedene Arten von Daten (statische, dynamische, ... ) einzugehen sowie verschiedene Klassen (überwacht, teilüberwacht, ...) von Klassifikationsgorithmen vorzustellen.

Voraussetzungen

Grundlagen der Informatik / Algorithmen und Datenstrukturen Kenntnisse in Vektorrechnung und Grundlagen der Stochastik sind sicherlich von Vorteil, aber nicht zwingend notwendig.

Teilnehmerkreis

Etwa 15-20 Studenten der Informatik und interessierte Studierende anderer Fachrichtungen.

Alle Teilnehmer werden gebeten sich über den FIN Registration Service zu anzumelden.

Organisatorische Regelungen für den Teilnahmeschein

Die Veranstaltung kann als wissenschaftliches Seminar im Bachelor (3 CP) oder Master (6 CP) angerechnet werden. Außerdem ist eine Anrechnung als FIN-SMK (5 CP) möglich. Für 3 CP wird eine regelmäßige Teilname an den Seminarterminen sowie aktive Mitarbeit während des Seminars erwartet (Die Mitarbeit wird bewertet. Das Seminar ist recht lese-intensiv!). Für 5 oder 6 CP ist zusätzlich ein Programmierprojekt (plus Vorstellung) und das halten eines Vortrags zu einem der unten genannten Themen nötig.

Termine und Räume

Weitere Termine/Vorträge:

Thema	Termin	Vortragende
Einführung, kNN	15.10.2015	Christian Braune, Pascal Held
Feature Selection	29.10.2015	Fabian Witt, Steven Brandt
Decision Trees	05.11.2015	David M. Henriques, Florian Bannier
Bayes Classifier	12.11.2015	Christian Harnisch, Stephan Besecke
LDA / QDA	19.11.2015	Stephan Fensky
LLM / SVM	26.11.2015	Pascal Krenckel, Sebastian Streuber
Label Propagation	03.12.2015	Chris Long, Jan Schumacher
S3VM	10.12.2015	Joel Dierkes, Julian Lamprecht
Active Learning	17.12.2015	Johannes Gätjen, Viola Hauffe
Ensemble Methods	07.01.2015	Arne Schneck, Tom Wunderling
Finale	14.01.2016	alle
Projektvorstellung 1	21.01.2016
Projektvorstellung 2	28.02.2016

Gruppeneinteilung für Programmierprojekte

Zusätzliche Unterlagen

Api-Programmierprojekt

Ihr könnt euer Programmierprojekt entweder als Python Funktion oder als ausführbares Konsolenprogramm implementieren.

Python-Funktion

def einfaches_klassifizieren_training(data, label, arg1, arg2, ...):
    foo()
    bar()
    dark_magic()
    generiere_modell()
    return modell()

def einfaches_klassifizieren(modell, daten, arg1, arg2, ...):
    label = model.predict(daten)
    return label()

data ist dabei eine übergebene numpy-Matrix, wobei jede Spalte einem Attribut und jede Zeile einem Datum entspricht. Mit data[0,0] kann darauf zugegriffen werden. Alle weiteren Parameter könnt ihr beliebig wählen und uns dann entsprechend mitteilen, so dass wir die zugehörigen Eingaben im System hinterlegen können.

Wenn ihr eine Visualisierung anbieten wollt, könnt ihr diese in Grafikdateien (vorzugsweise PNG) in den temporären Ordner schreiben und die Pfade zu den Bildern als String-Liste mit zurückgeben.

Kommandozeilentool

Aufruf:

[euer Programmaufruf] [ARFF-File] [Arg1] [Arg2] ...

Den gewünschten Programmaufruf könnt ihr uns mitteilen. Die Argumente brauchen wir natürlich auch, damit wir die Oberfläche entsprechen konfigurieren können.

ARFF-Files sind CSV-Dateien mit ein paar Header Informationen. Eine Beispieldatei stellen wir gerne zur Verfügung.

Da in der letzten Spalte die Ground-Truth-Label stehen, dürft ihr diese Spalte in eurem Algorithmus natürlich nicht benutzen. ;)

erwartete Programmausgaben

• Liste der Labelzuordnung (ein Label, dann neue Zeile, dann nächstes Label ...)
• eventuell erzeugte Bilder mit: # Image: [Pfad]

Beispiel:

1
1
2
2
3
3
3
# Image: /tmp/foo/bar.png

Themen

Verweise auf andere Webseiten

• Otto-von-Guericke-Universität Magdeburg
• Fakultät für Informatik
• Institut für Wissens- und Sprachverarbeitung
• Arbeitsgruppe Computational Intelligence
• andere Lehrveranstaltungen der Arbeitsgruppe