teliki_eksetasi:Kanavou_Eleftheria

Ζήτημα 1ο

Διαδικασία επιλογής μεταβλητών και αλγορίθμου:

  1. ανοίγουμε το CreditData_Trainset.arff και με το Visualize_all δεν εξάγουμε συμπεράσματα
  2. τρέχουμε όλους τους δυνατούς συνδυασμούς Attribute_evaluator και Search_Method
  3. οι μεταβλητές 5, 11, 13 και 16 δεν είναι σημαντικές και πρέπει να αφαιρεθούν
  4. επιλέγουμε τις μεταβλητές 5, 11, 13 και 16  και τις κάνουμε Remove
  5. αποθηκεύουμε το ως  CreditData_Trainset01.arff
  6. δοκιμάζουμε διάφορους αλγορίθμους Classification με Cross_Validation δίνοντας βάση στο Correctly_Classified_Instances
  7. καταλήγουμε στον

Bagging => AdaBoostM1 => J48

με ποσοστό επιτυχίας 75,2%

  1. αφαιρούμε τις ίδιες μεταβλητές και στο αρχείο CreditData_Testset.arff
  2. αποθηκεύουμε ως CreditData_Testset01.arff
  3. τρέχουμε τον ίδιο αλγόριθμο με Supplied_Test_Set, αποθηκεύοντας τα Predicted_Values

 

 

Ζήτημα 2ο

 

Εκτελώντας τους αλγόριθμους PART και Jrip καταλήγουμε στους παρακάτω κανόνες κατηγοριοποίησης των οχημάτων σε Saab, Opel, van και bus.

Τα νούμερα στις παρενθέσεις (x/y) εκφράζουν τις σωστές και τις λάθος προβλέψεις αντίστοιχα

·        MAX.LENGTH ASPECT RATIO > 8 AND

      HOLLOWS RATIO > 189 AND

      SKEWNESS ABOUT_MAJOR > 63: van (107.0/2.0)

 

·     ELONGATEDNESS <= 41 AND

        MAX.LENGTH ASPECT RATIO > 7: opel (132.0/65.0)

 

·          ELONGATEDNESS <= 41 AND

        MAX.LENGTH ASPECT RATIO <= 7 AND

        COMPACTNESS > 95: bus (70.0/1.0)

 

·        (ELONGATEDNESS >= 43) and (MAX.LENGTH ASPECT        RATIO >= 9) and (DISTANCE CIRCULARITY >= 73) => Class=van (86.0/0.0)

 

·        (MAX.LENGTH ASPECT RATIO >= 9) and (DISTANCE   CIRCULARITY >= 100) and (SCALED VARIANCE_MAJOR <= 231) => Class=saab (71.0/9.0)

Advertisements

One response to “teliki_eksetasi:Kanavou_Eleftheria

  1. Ζήτημα 1: Εξαιρετική ανάπτυξη του θέματος (η αναφορά σε ‘όλους τους δυνατούς συνδυασμούς Attribute_evaluator και Search_Method’ ίσως σηκώνει περισσότερη κουβέντα, προφανώς εκτός των πλαισίων της εξέτασης), βέλτιστο αποτέλεσμα και με σημαντική διαφορά από τις υπόλοιπες επιδόσεις στο ποσοστό σφάλματος, συγχαρητήρια. Έχεις εξασφαλίσει το τελικό 10 ήδη από την πρωτιά σου αυτή. :)
    Ανάπτυξη: 10 / 10
    Αξιοπιστία προβλέψεων: 10 / 10
    Ζήτημα 2: Εξαιρετική και λιτή ανάπτυξη, 10 / 10

    Σύνολο: 30/30 (πέτυχες το απόλυτο, συγχαρητήρια)

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s