Tri algoritma,
tri pitanja

Ista tablica podataka, tri različita pitanja. Regresija pita „koliko?”, klasteriranje „koje grupe?”, a stablo odlučivanja „hoće li — i zašto?”. Ovdje ih ne čitaš nego ih pomičeš, pokrećeš i gledaš kako uče.

📈 Predvidi broj 🎯 Pronađi grupe 🌳 Donesi odluku

Pregled

Jedna tablica, tri pitanja

Zamisli tablicu o studentima ili kupcima. Ovisno o tome što želiš saznati, biraš drugi algoritam. To je cijela poanta današnjeg susreta — ne „koji je najbolji”, nego „koji odgovara mojem pitanju”.

📈

Koliko?

Predviđamo broj — npr. koliko bodova za 6 sati učenja. Tražimo pravac koji najbolje opisuje odnos.

→ Linearna / logistička regresija

🎯

Koje grupe?

Bez ikakvih oznaka tražimo prirodne skupine u podacima — npr. segmente kupaca koje nitko nije unaprijed zadao.

→ K-means klasteriranje

🌳

Hoće li, i zašto?

Donosimo odluku kroz niz pitanja i možemo objasniti svaki korak — npr. tko je preživio Titanic.

→ Stablo odlučivanja

Algoritam 1 · regresija

Pronađi najbolji pravac

Točke su stvarni podaci: sati učenja → bodovi na ispitu. Pomiči klizač stupnja polinoma: stupanj 1 je pravac, viši stupnjevi su sve zakrivljenije krivulje. Pune točke su za učenje, šuplje su skrivene test-točke (model ih ne vidi). Gledaj obje greške: na učenju stalno pada, ali na testu od neke točke raste — to je prekomjerno učenje (overfitting).

Algoritam 2 · klasteriranje

Gledaj kako k-means pronalazi grupe

Svaka točka je kupac: vodoravno dob, okomito godišnja potrošnja. Klikni Korak koliko god puta treba (svaki korak je pola iteracije: dodjela → pomak), ili Pokreni do kraja. Promijeni K, probaj 🎲 novi razmještaj podataka, ili sam klikni gdje žele ići centri (✋ ručno). Uključi Normiraj pa gledaj kako se grupe prerasporede: bez normiranja potrošnja (veliki brojevi) nadglasa dob.

⬤ točke = kupci · ✚ = centroidi klastera

Broj klastera K

Normiraj osi (Standardize)

Iteracija0

Faza—

Stanjeu tijeku

Klikni „Korak” — prvo se točke oboje prema najbližem centru, zatim se centri pomaknu.

Algoritam 3 · stablo odlučivanja

Tko je preživio Titanic?

Odaberi profil putnika i klikni Predvidi. Stablo će zasvijetliti put kroz pitanja do konačne odluke — baš kao što ga je algoritam naučio iz pravih podataka. Uoči: model nije čitao povijest, a ipak je „otkrio” pravilo žene i djeca prvi.

Provjeri se

Kratki kviz

Četiri pitanja, odgovor odmah. Klikni na opciju koju misliš da je točna.

Želiš dalje? Sve ovo radi se „za prave” u Orange Data Mining — widgeti Linear Regression, k-Means i Tree rade točno ono što si gore vidio/la, samo na cijelim skupovima podataka (Iris, Titanic, student-performance). To je sljedeća vježba.