Proviamo anche altri dataset
Classification metric: dati i k vicini ad un test, testiamo alcune metriche per vedere con che percentuale si classifica correttamente la famiglia e l'istanza (ad esempio nearest n, votazione, etc...)
Analisi a classi non disgiunte: cambiare l'impostazione del problema definendo
Insieme delle toolchain T. Partizioni T_1, T_n di classi disgiunte.
Esempio: T_1 partizione su base software
T_2 partizione su base algoritmo usato
T_3 utente ....
Addestramento unico congiunto. Per ogni esempio si considerano le proiezioni per cui si hanno informazioni.
In test per ciascuna proiezione calcolano i vicini e si valuta classe e affidabilità.
Visualizzazione in Radar Chart
inseriamo anche i social (VISION social)?
inserire feature DCT e rieffettuare i test in dataset per scenario 1, se disponibile, altrimenti sui double sharing dello scenario 2.
Una volta che abbiamo tutti i componenti inseriamo gli elementi il dimostratore (eventualmente commissionando a Cagnes e Giorgi).