a: Assegna correttamente = documenti ritrovati rilevanti

b: Ne sbaglia = documenti ritrovati NON rilevanti

c: Non recupera = documenti rilevanti NON ritrovati

P= a/(a+b)

R=a/(a+c)

F=2*P*R/(P+R)

Per quanto riguarda invece MICRO PRECISION??
Stesso problema di prima ma calcolare micro precision.

Dovrebbe essere SOMMA per i da 1 a n di ai\(ai+bi) ma che è i?
se è il livello in cui mi fermo per fare P allora per il problema di prima è 33\45 altrimenti boh

Sul problema di prima non puoi calcolare micro-precision o micro-recall..

I parametri "micro" servono per calcolare le prestazioni di classificatori non binari, cioè classificatori che decidono su più classi... quindi la sommatoria da 1 a n si riferisce alle decisioni prese per ognuna delle n classi...

LSA può essere usato per Ad Hoc Retrieval?

Secondo me invece può essere usato in quanto ci fornisce una misura di similarità!
La differenza è che per noi avremo documenti e query scritti come combinazione lineare di cluster.

LSA può essere usato per Ad Hoc Retrieval?

Secondo me invece può essere usato in quanto ci fornisce una misura di similarità!
La differenza è che per noi avremo documenti e query scritti come combinazione lineare di cluster.

ora che mi ci fai pensare credo che hai ragione

Altre domande su VC Dim

- E' un numero infinito se la funzione riesce a frantumare un sottoinsieme infinito (si ma come lo dimostri?? se lo frantuma devi dimostrarlo su almeno una configurazione, se non lo frantuma devi far vedere che per ogni configurazione non riesci)

- vc-d dei piani nello spazio?? (4???)

- Può essere infinito?

Altre domande su VC Dim

- E' un numero infinito se la funzione riesce a frantumare un sottoinsieme infinito (si ma come lo dimostri?? se lo frantuma devi dimostrarlo su almeno una configurazione, se non lo frantuma devi far vedere che per ogni configurazione non riesci)

Secondo me è falso.

- vc-d dei piani nello spazio?? (4???)

Tra le risposte all'esame c'era "Almeno 3" che era quella giusta.

- Può essere infinito?

No

Però non mi prendere come un oracolo :lol:

Altre domande su VC Dim

- E' un numero infinito se la funzione riesce a frantumare un sottoinsieme infinito (si ma come lo dimostri?? se lo frantuma devi dimostrarlo su almeno una configurazione, se non lo frantuma devi far vedere che per ogni configurazione non riesci)

- vc-d dei piani nello spazio?? (4???)

- Può essere infinito?

Idealmente... se con un iperpiano riesci a frantumare in tutti i modi possibili un insieme infinito di esempi, la VC-dim è infinita... ovvio che non puoi dimostrarlo, ma mi sembra lecito supporlo...

VC-dim dei piani.. in uno spazio R^3???

non si dimostra, ma se ti dice lui che lo spazio infinito è frantumabile tutto è normale che la vc dim sarà almeno infinito.

- Può essere infinito?

No

Però non mi prendere come un oracolo :lol:

Ecco, appunti...

MALEDETTI PALLETTONI! :?

non si dimostra, ma se ti dice lui che lo spazio infinito è frantumabile tutto è normale che la vc dim sarà almeno infinito.

2 a 1...

Facciamo per maggioranza? :wink:

inoltre qualcuno ha citato 2 dispense che attualmente non dovrebbero essere presenti sul vecchio save della didattica, qualcuno sarebbe così gentile da mandarmele
grazie e scusate l'accollo :|

Se mi dai l'email te le mando io

ti ringrazio ma alla fine ho capito che le due slide a cui si riferiva Nash sono due slide che ho anche io
grazie cmq per il pensiero

P.S. (Le email si possono anche leggere nel profilo se l'utente le ha messe visibili :wink: )

L'information Extraction l'abbiamo fatta allora?
Non vorrei che dato che sono state dette 2 parole viene dato per fatto (come spesso accade).

In tal caso , IE serve per reperire informazioni non strutturate?

L'information Extraction l'abbiamo fatta allora?
Non vorrei che dato che sono state dette 2 parole viene dato per fatto (come spesso accade).

In tal caso , IE serve per reperire informazioni non strutturate?

inoltre è in applicazione dell'IR??

non si dimostra, ma se ti dice lui che lo spazio infinito è frantumabile tutto è normale che la vc dim sarà almeno infinito.

2 a 1...

Facciamo per maggioranza? :wink:

Sì, controllando in giro è vero... La vc-dimensione può essere infinita. Ma in questo caso la classe di funzioni non sarà PAC-apprendibile.

Quale è il migliore sistema antispam?

Quello con massimo Recall?
Quello con massimo precision?

Quale è il migliore sistema antispam?

Quello con massimo Recall?
Quello con massimo precision?

Quello con massima precision. Se fosse quello con massima recall un buon sistema antispam potrebbe eliminarti messaggi buoni.

Almeno credo...

Quale è il migliore sistema antispam?

Quello con massimo Recall?
Quello con massimo precision?

Quello con massima precision. Se fosse quello con massima recall un buon sistema antispam potrebbe eliminarti messaggi buoni.

Almeno credo...

Dovrebbe essere precision max

Quale è il migliore sistema antispam?

Quello con massimo Recall?
Quello con massimo precision?

Quello con massima precision. Se fosse quello con massima recall un buon sistema antispam potrebbe eliminarti messaggi buoni.

Almeno credo...

in realtà credo sia meglio quella con massima recall
ovvero che riesca a prendere tutte le email buone senza perderne una anche se con un pò di rumore

al contrario la massima precision potrebbe produrre molto silenzio perdendo molte email buone

a dir la verità credo che bisogni anche vedere cosa si intende per sistema anti-spam
se si intende un sistema che permetta di ricevere solo e-mail buone ma non spam, allora la precision deve essere alta
se si intende un sistema che permetta di ricevere tutte le email buone allora la recall deve essere alta

in realtà penso che come al solito la soluzione si trovi in mezzo

Che cosa è cross validation e n-fold cross validation???

Che differenza c'è?

Provo a ragionarci.
Sulla cross validation sono abbastanza sicuro: prendi il corpus, lo dividi in n parti, e di quelle n, una la adibisci a test set.

Poi, n-fold in italiano sarebbe "ennuplice" (dìo mio quanto suona male )... Moschitti parlò di cross validation in cui si prendono tutte le combinazioni di test-training (se divido il corpus in 5, una parte fa da test set, e quattro da training... lo faccio cinque volte, in modo che tutte le 5 parti facciano da test set una volta). Credo sia quella.

http://www.cs.cmu.edu/~schneide/tut5/node42.html: e qui me ne convinco di più.