кр_ _ RapidMiner
.docx
Классификатор |
Общая точность |
Распознавательная способность |
Предсказательная способность |
|||||
Класс 1 |
... |
Класс N |
Класс 1 |
... |
Класс N |
|||
Decision Tree (gain_ratio) |
80,00% |
95,00% |
|
65,00% |
73,08% |
|
92,86% |
|
Decision Tree (information_gain) |
85,00% |
95,00% |
|
75,00% |
79,17% |
|
93,75% |
|
Neural Net |
87,50% |
95,00% |
|
80,00% |
82,61% |
|
94,12% |
|
Naive Bayes |
95,00% |
100,00% |
|
90,00% |
90,91% |
|
100,00% |
|
Лучший классификатор |
Naive Bayes |
Naive Bayes |
|
Naive Bayes |
Naive Bayes |
|
Naive Bayes |
|
На практике лучший: Naive Bayes
|
||||||||
Метод k-ближайших соседей
-
Классификатор
Общая точность
Распознавательная способность
Предсказательная способность
Класс 1
...
Класс N
Класс 1
...
Класс N
k-NN, k=1
80,00%
95,00%
65,00%
73,08%
92,86%
k-NN,k=2
75,00%
100,00%
50,00%
66,67%
100,00%
k-NN,k=3
75,00%
100,00%
50,00%
66,67%
100,00%
Лучший классификатор
K=1
-
K=1
K=1
-
Вывод, какой классификатор Вы бы выбрали на практике k-NN, k=1