Τελική Εξέταση,Μπάρλα_Δήμητρα

Ζήτημα 1

1) Κάνοντας συνδυασμούς στο select attributes επιλέγω να διαγράψω τις μεταβλητές 11,5,16.
2)Αποθηκεύω τις αλλαγές στο training set στο preprocess.
3)Δοκιμάζω διάφορους αλγόριθμους στο classify.
4)Eπιλέγω τον αλγόριθμο NaiveBayes επειδή δίνει Correctly Classified instances 74,933%.
5)Αφαιρώ στο test set τις μεταβλητές 11,5,16 και το αποθηκεύω ως creditdata_testset1.arff
6)Απο το training set ανοίγω το παραπάνω αρχείο με το supplied test set.
7)Εκτελώ τον αλγόριθμο που αναφέρθηκε και παίρνω τη στήλη με τα predictions.

prediction

Ζήτημα 2

1) Χρησιμοποιώντας τον Part έχουμε 29 κανόνες.

2)Ενδεικτικά αναφέρω κάποιους που επιλέγω με βάση τα ποσοστά επιτυχίας.

ELONGATEDNESS <= 41 AND
MAX.LENGTH ASPECT RATIO 95: bus (70.0/1.0)

ELONGATEDNESS 7 AND
SCALED VARIANCE_MINOR <= 721 AND
COMPACTNESS 67 AND
COMPACTNESS > 106: saab (24.0/1.0)

MAX.LENGTH ASPECT RATIO > 8 AND
HOLLOWS RATIO > 189 AND
SKEWNESS ABOUT_MAJOR > 63: van (107.0/2.0)

SCALED VARIANCE_MINOR > 309 AND
DISTANCE CIRCULARITY <= 76 AND
SKEWNESS ABOUT_MINOR 64 AND
CIRCULARITY > 41: bus (107.0/1.0)

PR.AXIS ASPECT RATIO 120 AND
SCALED VARIANCE_MAJOR = 8) and (MAX.LENGTH RECTANGULARITY >= 173) => Class=opel (45.0/8.0)

3)Χρησιμοποιώντας τον JRip έχω 17 κανόνες

(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 Class=saab (71.0/9.0)

(MAX.LENGTH ASPECT RATIO >= 8) and (MAX.LENGTH RECTANGULARITY >= 173) => Class=opel (45.0/8.0)

Advertisements

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