Klasifikacija

[yotf]

Agenti dobijeni na kraju learning-mode simulacije se klasifikuju po vrednostima karakteristika (Pa,Pk, stopping_rate...). Posle toga ce se napraviti kombinacija npr. top 3 (10-7) vrste agenata i pustiti u real-life. Takodje ce se pustiti i svi agenti kako su dobijeni.

[yotf]

1. Cuvaju se svi agenti, tj.njihova svojstva). Index tabele je agent-id, a kolone su Pk,Psd, tumor_speed_stopping...)
2. Posle toga se radi klasifikacija i gradi nova populacija koja ce se pustiti u real-life. BIce skripta posrednik koja ce generisati sta god treba da se pusti.

[yotf]

Jedan primer top3 posle hiljadu koraka:

	Pa	Pd	Pi	Pk	Psd	memory_size	tumor_movement_stopping_rate	count
416	0.9	0.7	0.8	0.6	0.7	9.0	1.0	26
351	0.8	0.3	0.6	0.7	0.8	10.0	7.0	6
292	0.7	0.0	0.6	0.8	0.0	3.0	3.0	5

drugi:

	Pa	Pd	Pi	Pk	Psd	memory_size	tumor_movement_stopping_rate	count
254	0.6	0.1	0.6	0.7	0.4	2.0	2.0	18
133	0.3	0.0	0.9	0.9	0.5	5.0	1.0	17
295	0.7	0.1	0.7	0.3	0.9	6.0	5.0	9

[yotf]

• [x] Napraviti grafikon koji prikazuje klasterovanje u grupe tokom vremena
• [ ] Klase ekvivalencije - da moze da se podesava, i onda mozemo porediti
• [ ] PCA za vremensku seriju, da izbacimo parametre koji imaju malo ucesce