← Вернуться к неделе 13 Умное саммари Квиз

Самостоятельная работа · модели + Orange · неделя 13

Три маршрута данных:
соседи, вопросы и время

Мини-исследование недели: почувствовать kNN и дерево в интерактивах, разобрать COVID-временной ряд, а затем объяснить, где модель получает информацию и как её проверять честно.

7 миссий10 контрольных вопросов80% для сертификата

◎ СОСЕДИ
🌳 ВОПРОСЫ
〽 ИСТОРИЯ

Неделя 13: один набор инструментов не заменяет другой. Выбираем структуру, которую действительно содержит задача.

Перед началом: материалы лаборатории

Все интерактивы и данные уже лежат внутри недели. Обязательное содержание соответствует описи урока; дополнительные возможности тренажёров можно исследовать, но они не нужны для сертификата.

Правило недели. Не ищите модель «вообще лучшую». Объясняйте: какую структуру вы используете, что проверяете и какая информация реально доступна в момент прогноза.

Прогресс лаборатории: 0 / 7Сохраняется в этом браузере

Нарисуйте карту трёх взглядов

Сначала смысл, потом кнопки.

Своими словами: чем отличаются kNN, Tree и Time Series?Для каждого укажите, какую структуру он использует: похожесть, последовательность вопросов или историю во времени.Я могу объяснить фразу: «kNN ищет похожих, Tree задаёт вопросы, Time Series смотрит назад».

Пощупайте kNN

Меняем k и наблюдаем характер модели.

Откройте KNN и диаграмму Вороного. Сравните минимум три значения k: маленькое, умеренное и большое. По желанию откройте метрики расстояния как дополнительное расширение.

Основной маршрут Orange: Data / File → Preprocess → Neighbors (kNN) → Test & Score

Что менялось при разных k?Опишите границу/прогноз, шум и локальную структуру. Отдельно напишите, почему масштаб признаков важен для kNN и как k стоило бы выбирать.Я сравнил(а) минимум три k и записал(а), почему k нельзя выбирать только «на глаз».

Вырастите дерево вопросов

От игры к настоящему дереву.

Сначала сыграйте в «Угадай, кто?», затем откройте дерево на ирисах. Сравните небольшую и более глубокую модель.

Orange: File / Data → Tree → Test & Score → Tree Viewer

Разберите один путь от корня к листуЗапишите вопросы обычными словами. Добавьте: какой split кажется полезным, что меняется с глубиной и где начинается риск переобучения.Я прочитал(а) хотя бы один путь дерева и сравнил(а) маленькое дерево с более глубоким.

Одно дерево против леса

Проверяем компромисс «объяснимость ↔ устойчивость».

В Orange подключите Tree и Random Forest к одному Test & Score (можно на Iris или другом учебном наборе). Если Orange сейчас недоступен, сформулируйте ожидаемый компромисс по материалу урока и отметьте этот пункт позже.

Что показало сравнение?Не обязательно, чтобы лес победил. Запишите качество и объясните, почему одно маленькое дерево проще интерпретировать, а лес обычно устойчивее.Tree и Random Forest сравнивались на одних и тех же данных и одной схеме проверки.

COVID: превратите накопление в динамику

Красивая растущая линия ещё не говорит, что происходит сегодня.

Используйте cumulative CSV и/или уже подготовленный daily CSV. Постройте минимум для 2–3 стран: cumulative, daily через Difference, сглаженный daily и попробуйте найти разумную периодичность.

File → Data Table → Transpose → As Timeseries → Line Chart → Difference → Moving Transform → Periodogram

Запишите 2–3 наблюдения о временном рядуЧто видно в cumulative? Что появилось после Difference? Что сохранило/спрятало сглаживание? Есть ли ритм, который имеет предметный смысл?Я отличаю cumulative от daily и не заменяю исходный ряд сглаженным.

Спрячьте будущее честно

Прогноз без машины времени.

Возьмите любой временной ряд из тренажёра или COVID-данных. Предложите границу train/test во времени и признаки из прошлого.

Train/test, лаги и leakageУкажите: где закончится train и начнётся test; какие lag1/lag2/lag7 разумны; минимум два признака, которые были бы утечкой из будущего. Не нужно вычислять p,d,q ARIMA.Train находится в прошлом, test — позже; все предложенные рабочие признаки доступны в момент прогноза.

Соберите вывод как аналитик

Три инструмента — один принцип ответственности.

Финальное сравнениеКогда вы выбрали бы kNN, когда Tree, когда временной подход? Назовите минимум по одной ловушке каждого и объясните, как проверять результат.Как использовали ИИ?Что ИИ помог сделать и что вы проверили самостоятельно. Не приписывайте ему наблюдения из графиков, которые он не видел.Финальный вывод сравнивает модели по смыслу задачи, а не объявляет одну «лучшей всегда».

Что сдаёт студент

Обязательно

заметки по kNN и трём значениям k;
один прочитанный путь Decision Tree;
сравнение Tree vs Random Forest;
COVID: cumulative → daily → smoothing → periodogram;
честный time train/test + лаги + leakage;
финальный сравнительный вывод.

Экспорт

Ответы сохраняются локально. Скачайте Markdown-отчёт и, если нужно, JSON для переноса между браузерами.

Восстановить .json

Скриншоты и .ows сайт не хранит — приложите их отдельно.

Финальная проверка лаборатории

Для сертификата нужны все 7 миссий, заполненный отчёт и минимум 8 из 10 правильных ответов. Попытки не ограничены.

Ответьте на все 10 вопросов.

Сертификат «Практик трёх маршрутов»

Сайт проверяет контрольные ответы и заполненность полей, но не может автоматически проверить внешний Orange workflow, скриншоты или истинность введённых наблюдений.

Имя на сертификате

Вернуться к неделе 13

Материалы недели

Умное саммари · Квиз · Слайды: соседи и деревья · Слайды: временные ряды

KNN / Voronoi · Угадай кто · Iris Tree · Time Series trainer