The program is based on the machine learning idea. It goes through a stage of learning and then can recognize different characters. The project was developed with a teammate.
(Code and Readme are written in Romanian language)
Algoritmul utilizat:
- Majoritatea explicatiilor pentru a intelege functiile implementate se gasesc in comentariile codului.
- Programul incepe cu formarea arborilor de decizie (etapa de invatare). Pe baza informatiilor de la input, se apeleaza functia train care va forma un nod de decizie si se va apela recursiv pe subarborii stang si drept sau va forma o frunza, depinde de caz. Pentru a gasit cel mai bun split, train apeleaza find_best_split.
- Functia find_best_split determina combinatia split_index si split_value pentru care Information Gain al nodului curent ia cea mai mare valoare dintre toate posibilitatile.
- In urma formarii tuturor arborilor, incepe etapa de prezicere in care pentru fiecare imagine (vector) primita de la input, se cauta in fiecare arbore raspunsul dat de acesta. Dupa ce au fost calculate toate prezicerile din arbori, se alege cea care apare de cele mai multe ori. De aceste lucruri se ocupa functiile predict din randomForest.cpp si predict din decizionTree.cpp.
Complexitatea programului:
- Pana sa incepem implementarea codului, tema ni s-a parut grea, enuntul era ambiguu, nu intelegeam clar ce trebuie facut, insa incet-incet am inteles fiecare functie ce trebuie sa faca si am reusit sa le implementam pe toate.
- In urma acestor neclaritati si a problemelor pe care le-am intampinat, tema ni s-a parut de o dificultate medie spre grea.
- Pe de alta parte, tema a fost accesibila deoarece oferea un punctaj destul de mare numai prin implementarea celor 5 functii care aduceau 50p.
Alte precizari:
- Intrucat pe parcursul implementarii si testarii temei am intampinat doua mari greseli in urma carora programul se oprea cu eroarea Segmentation Fault, am decis sa folosim programarea defensiva si sa oprim executia programului inainte de a accesa zone din memorie neinitializate sau invalide.
- Am incercat sa obtinem o precizie cat mai buna in cadrul temei si un timp de executie cat mai scazut, ajungand la precizia de 92% in 20-25 de secunde.