#######################################################################################################
#
# NALOGE
#
#######################################################################################################
#
# - nalozite podatkovno mnozico "players.txt"
# 
#	players <- read.table("players.txt", header = T, sep = ",", stringsAsFactors = T)
#
# - ocenite atribute v podatkovni mnozici (ciljna spremenljivka je atribut "position")
#
# - razdelite podatkovno mnozico na ucni in testni del
#
# - zgradite razlicne modele (odlocitveno drevo, naivni Bayesov klasifikator, knn...) 
#   za napovedovanje ciljne spremenljivke "position"
# 
#		a) z uporabo vseh atributov
#		b) z uporabo ustrezne podmnozice atributov 
#   
# - ocenite dobljene modele z uporabo testne mnozice
#
#######################################################################################################
#
# Naj bo A binarni atribut z vrednostima 0 in 1.
#
# Naj bo B zvezni atribut, dobljen iz atributa A, tako da se vrednost 0 spremeni v nakljucno
# vrednost na intervalu [0,0.49] in vrednost 1 spremeni v nakljucno vrednost na intervalu [0.5,1].
#
# Naj bo C diskretni atribut, dobljen iz atributa B z ekvidistancno diskretizacijo na 5 intervalov.
#
# Naj bo D binarni atribut, dobljen iz atributa A tako da sta vrednosti 0 in 1 zamenjani.
#
# Razvrsti vse stiri atribute po oceni kvalitete z gini indeksom. Razvrstitev argumentiraj!
#
#######################################################################################################
#
# Naj bo A diskretni atribut s 5 vrednostmi (1,2,3,4,5).
#
# Naj bo B binarni atribut, dobljen iz atributa A, tako da se zdruzijo prvi dve vrednosti v eno 
# in preostale tri v drugo vrednost.
#
# Naj bo C diskretni atribut, dobljen iz A tako, da se vsaka vrednost V nakljucno spremeni bodisi v 
# isto vrednost V ali v vrednost V+5.
#
# Razvrsti vse atribute po oceni kvalitete z informacijskim prispevkom. Razvrstitev argumentiraj!
#
########################################################################################################
#
# Podani so naslednji klasifikacijski problemi na binarnih atributih A1 do A10.
#
# a) C = |(A1 + A5 + A4) mod 2|
#
# b) C = P(A1 > 0.5) * P(A2 > 0.1) > 0.3
#
# c) C = (A1 > 0.3 and A2 > 0.1 or A2 > 0.2 and A5 = 0)
#
# Pri tem P(X) predstavlja verjetnost, da je X resnicen
#
# Delno uredi atribute po pomembnosti, ce atribute ocenjujes z:
# - oceno gini indeks
# - oceno ReliefF
#
########################################################################################################