ПОЛИГРАФ - ФОРУМ

York

В ПО Полиграфа Диана данные теста сохраняются в файл, но в данных не сохраняется порядок следования вопросов в повторах тестов. Это обстоятельство доставляет определённое неудобство, вынуждая пользователей СППРП выставлять последовательность вопросов. Выполняя пожелания пользователей, с целью упростить анализ данных в программе выпущена версия 2.635 СППРП Сокол.

1. Теперь программа распознает тип загружаемого теста из файла и автоматически выставляет последовательность Пв и Кв в повторах теста так, как это предусмотрено в шаблоне теста в ПО полиграфа. Теперь, если порядок следования вопросов теста не меняли специально, выставлять порядок при загрузке файла в СППРП не надо

К шаблонам тестов в ПО Дианы (ЮТА, ЮТА (м) 4пв, 3Пв) добавлены два шаблона для тестов РУлетка и LEPET

2. Теперь в тестах типа DLST программа распознает один и тот же вопрос, если в вопросах совпадает более 70% слов. То есть, если изменен порядок слов, или присутствует ошибка в слове, программа определит вопрос как один и тот же, если не нарушено условие 70%.

3. Вопросы тестов теперь выводятся и в режиме анализа многотемного теста

York

Обнаружилось, что представители НШДЛ уже (а может и всегда) формулу лежащую в основе ChanceCalc - a не скрывают. А раз так то нет никаких этических препятствие у тому, что бы подробно объяснить как выводится формула Ликкена с помощью приципа включений-исключений (самый простой, легкий и понятный способ). А тем самым полностью закрыть гельштад порождённый вот этими этими темами

Д. Ликкен и ранжирование
Про GKT, ТФО и POT
Формула Ликкена

Формулу которую не утаивают представители НШДЛ можно сразу же получить из формулы Ликкена. Она расчитывает де факто p-value на распределении вероятностей общего суммарного ранга, распределение это рассчитывается по формуле Ликкена. Ещё там немножко о связи этих формул и знаменитого квантового Бозе-Эйнштейна )

Летков Ю. В. 2023. Формула Ликкена. PREPRINTS.RU. https://doi.org/10.24108/preprints-3112880
Летков Ю. В. 2023. Формула Ликкена.

$erP

York

$erP

Интрига... Rolling Eyes

York

Когда выйдет "Детекция лжи" № 6 вот это действительно интрига! Smile

York

Всем коллегам, которые в 2023 году присылали полиграммы с известным решением огромное спасибо! Особое спасибо Володе Колесникову и его команде из Питера! Ребята вы стахановцы в мире полиграфологов, выдаёте на гора алмазы полиграмм! Новые полиграммы позволяют работать с алгоритмами и развивать их далее. Количество полиграмм имеет значение. Для обучению и повышения точности алгоритмов желательно иметь тысячи полиграмм...Это конечно мечта )

В 2023 году появилось два новых алгоритма. Назвал их Тензор и Правдоруб. Тензор - это производная от Вектора и работает получше предка (на имеющихся данных). В основе Правдоруба лежит алгоритм машинного обучения под названием "Случайный лес" (отсюда и название появилось)

York

Доступна новая версия СППРП "Сокол" 3.636 с новым алгоритмом на основе машинного обучения Правдоруб/truth-teller

Изменения

1. Программа запоминает размер главного окна. При запуске открывается с теми размерами с которыми была закрыта.
2. В окне для выбора данных полиграфа Триумф, для удобства восприятия, добавлена цветовая разметка типов вопросов
3. Для пользователей полиграфа Диана добавлена возможность добавлять/удалять собственные шаблоны тестов. Шаблоны тестов в СППРП различаются количеством Пв и Вс стимулов, количеством предъявлений теста, и последовательностью стимулов в предъявлениях
4. Добавлены два новых алгоритма "Правдоруб" (Сλtt) и "Тензор" (СλТ). Оба алгоритма имеют своими "предками" алгоритмы Сокол и Вектор. В основе "Правдоруб" - а лежит алгоритм машинного обучения "Случайный лес" (англ. Random Forest). Машинное обучение это раздел такой компьютерной науки как "Искусственный интеллект".

"Правдоруб" обучался на отобранных случайным образом 50% имеющихся метрических данных тестов с известным решением. На имеющихся данных (50% обучающая выборка и 50% тестовая выборка) "Правдоруб" показал наилучшие результаты в сравнении с остальными алгоритмами СППРП. На случайной выборке российских полиграмм он выдал ошибочный результат в трёх случаях, при трёх неопределённых результатах, иначе 94 правильных результата из 100. На американской выборке он не допустил ни одной ошибки при двух неопределённых результатах.

На новой выборке российских полиграмм 2023 года (в обучении алгоритмов не участвовала) "Правдоруб" выдал наибольшее количество правильных решений - 84%, при минимальном количестве неопределённых результатов - 8%

5. Обучен новый мета оценщик. На выборке 2023 года он показал отличные результаты: 87% правильных решений, 7 % неопределённых результатов, 6% ошибочных решений. Положительная предсказательная ценность 96 % - это оценка на выборке вероятности того, что ОЛ действительно лгал, при условии, что алгоритм выдал решение "Диагностирована ложь". Отрицательная прогностическая ценность 94% - это оценка на выборке того, что ОЛ действительно правдив, если алгоритм выдал решение "Диагностирована правда".

6. Теперь в версии 3.636 с исключенным дыханием работают три алгоритма (не считая CombiCalc v2): OL, "Правдоруб" и "Тензор". Поэтому появилась возможность обучить мета оценщик на этих трёх алгоритмах, для случая исключенного дыхания.

York

Алгоритм случайного леса (Random Forest) — универсальный алгоритм машинного обучения, суть которого состоит в использовании ансамбля решающих деревьев. Само по себе решающее дерево предоставляет крайне невысокое качество классификации, но из-за большого их количества результат значительно улучшается. Также это один из немногих алгоритмов, который можно использовать в абсолютном большинстве задач.

Дерево решений — метод автоматического анализа больших массивов данных. Это эффективный инструмент интеллектуального анализа данных и предсказательной аналитики. Он помогает в решении задач по классификации и регрессии.

Дерево решений представляет собой иерархическую древовидную структуру, состоящую из правила вида «Если …, то ...». За счет обучающего множества правила генерируются автоматически в процессе обучения.

В отличие от нейронных сетей, деревья как аналитические модели проще, потому что правила генерируются на естественном языке: например, «Если реклама привела 1000 клиентов, то она настроена хорошо».

Правила генерируются за счет обобщения множества отдельных наблюдений (обучающих примеров), описывающих предметную область. Поэтому их называют индуктивными правилами, а сам процесс обучения — индукцией деревьев решений.

York

Сделал телеграмм канал для пользователей программы

Алгоритмы Сокола

Выложил в нем подробную справку по последней версии программы и видеоинструкции. Там же можно обращаться ко мне с вопросами по любому пункуту.