Εξόρυξη Δεδομένων και Μηχανική Μάθηση — Ιούνιος 2025 (Θέμα 3, Προεπεξεργασία)¶
Μεταγραφή από τη φωτογραφία 2025-06-05_5.47.37_.png (Θέμα 3).
2025-06-05_5.47.37_.png¶
ΘΕΜΑ 3 - Προεπεξεργασία Δεδομένων (15%)
Α) Ένα από τα στάδια της προεπεξεργασίας είναι η συμπλήρωση των ελλειπών τιμών. Για τη συμπλήρωση αυτών των τιμών έχουν προταθεί διάφορες τεχνικές. Συμπληρώστε τις 5 ελλείπεις πλειάδες, με τρεις διαφορετικές μεθόδους:
| Class | Attribute_1 | Attribute_2 | Attribute_3 | |
|---|---|---|---|---|
| Item_1 | 0 | 119 | 34 | |
| Item_2 | 0 | 143 | 5 | |
| Item_3 | 0 | 128 | 7 | 42 |
| Item_4 | 1 | 153 | 35 | |
| Item_5 | 1 | 121 | 3 |
[Σημείωση: η φωτογραφία διακόπτει τον πίνακα (κενό και μαύρη λωρίδα) πριν από το Item_3.]
Β) Αναφέρετε επιπλέον δυο τεχνικές συμπλήρωσης ελλειπών τιμών.
Λύσεις (⚪ AI, μη επαληθευμένο)
Κατάσταση: ⚪ AI, μη επαληθευμένο Πηγή: λύσεις AI (deepseek-flash, gemini-3.7-flash), ανεξάρτητη επανάληψη και αντιπαραβολή· καμία δεν έχει ελεγχθεί από άνθρωπο
Προσοχή
Λύση από AI — ελέγξτε την· δεν έχει επαληθευτεί από άνθρωπο. Η ένδειξη «δύο λύσεις συμφωνούν» δεν σημαίνει ότι η απάντηση είναι σωστή.
AI λύσεις — 2025-06-a¶
Οι λύσεις γράφτηκαν από μοντέλα AI και δεν έχουν ελεγχθεί από άνθρωπο. Η αρίθμηση ακολουθεί το αρχείο θεμάτων.
Θέμα 3¶
Αξιοπιστία: δύο ανεξάρτητες λύσεις συμφωνούν · εμπιστοσύνη λύτη: μέτρια
Δεν ορίζονται συγκεκριμένες τρεις μέθοδοι στην εκφώνηση· επιλέγω τις εξής: (1) μέση τιμή όλων των παρατηρήσεων, (2) μέση τιμή ανά κλάση, (3) 1-NN εντός κλάσης με Ευκλείδεια απόσταση στις διαθέσιμες αριθμητικές μεταβλητές.
Οι παρατηρούμενες τιμές είναι: - \(Attribute\_2\): \(5,7,3\) άρα \(\bar{x}_2=(5+7+3)/3=5\). - \(Attribute\_3\): \(34,42,35\) άρα \(\bar{x}_3=(34+42+35)/3=37\). - Ανά κλάση: για \(Class=0\), \(\bar{x}_2=(5+7)/2=6\), \(\bar{x}_3=(34+42)/2=38\)· για \(Class=1\), \(\bar{x}_2=3\), \(\bar{x}_3=35\).
Α) Συμπλήρωση με τρεις μεθόδους¶
Μέθοδος 1: μέση τιμή όλων των παρατηρήσεων
| Class | Attribute_1 | Attribute_2 | Attribute_3 | |
|---|---|---|---|---|
| Item_1 | 0 | 119 | 5 | 34 |
| Item_2 | 0 | 143 | 5 | 37 |
| Item_3 | 0 | 128 | 7 | 42 |
| Item_4 | 1 | 153 | 5 | 35 |
| Item_5 | 1 | 121 | 3 | 37 |
Μέθοδος 2: μέση τιμή ανά κλάση
| Class | Attribute_1 | Attribute_2 | Attribute_3 | |
|---|---|---|---|---|
| Item_1 | 0 | 119 | 6 | 34 |
| Item_2 | 0 | 143 | 5 | 38 |
| Item_3 | 0 | 128 | 7 | 42 |
| Item_4 | 1 | 153 | 3 | 35 |
| Item_5 | 1 | 121 | 3 | 35 |
Μέθοδος 3: 1-NN εντός κλάσης
Χρησιμοποιώ για κάθε ελλιπές κελί τον πλησιέστερο γείτονα της ίδιας κλάσης που έχει γνωστή την αντίστοιχη τιμή, με απόσταση στις διαθέσιμες άλλες αριθμητικές μεταβλητές.
- \(Item_1.Attribute\_2\): εντός \(Class=0\), οι υποψήφιοι είναι \(Item_2\) και \(Item_3\). Ο \(Item_3\) είναι πλησιέστερος, άρα \(Attribute\_2=7\).
- \(Item_2.Attribute\_3\): εντός \(Class=0\), πλησιέστερος ο \(Item_3\), άρα \(Attribute\_3=42\).
- \(Item_4.Attribute\_2\): εντός \(Class=1\) υπάρχει μόνο ο \(Item_5\) με γνωστό \(Attribute\_2=3\), άρα \(Attribute\_2=3\).
- \(Item_5.Attribute\_3\): εντός \(Class=1\) υπάρχει μόνο ο \(Item_4\) με γνωστό \(Attribute\_3=35\), άρα \(Attribute\_3=35\).
| Class | Attribute_1 | Attribute_2 | Attribute_3 | |
|---|---|---|---|---|
| Item_1 | 0 | 119 | 7 | 34 |
| Item_2 | 0 | 143 | 5 | 42 |
| Item_3 | 0 | 128 | 7 | 42 |
| Item_4 | 1 | 153 | 3 | 35 |
| Item_5 | 1 | 121 | 3 | 35 |
Β) Επιπλέον δύο τεχνικές συμπλήρωσης ελλιπών τιμών¶
- Συμπλήρωση με τη διάμεσο ή την επικρατούσα τιμή (median/mode imputation).
- Παλινδρομική συμπλήρωση (regression imputation), όπου η ελλιπής μεταβλητή προβλέπεται από τις υπόλοιπες· εναλλακτικά, τεχνικές όπως hot-deck ή EM/multiple imputation.