基于weka的數(shù)據(jù)分類分析實驗報告(編輯修改稿)
2025-07-21 18:57 本頁面
【文章內(nèi)容簡介】 第九步：。3. 實驗過程及結(jié)果截圖用“Explorer”打開剛才得到的“”，并切換到“Class”。點“Choose”按鈕選擇“tree ()”，這是WEKA中實現(xiàn)的決策樹算法。選擇CrossValidatioin folds=10，然后點擊“start”按鈕：訓(xùn)練數(shù)據(jù)集訓(xùn)練決策樹得出的結(jié)果使用不同配置訓(xùn)練參數(shù)，得到的實驗數(shù)據(jù)：配置不同的葉子節(jié)點的實例個數(shù)實例數(shù)/葉節(jié)點23456準(zhǔn)確率54%60%56%56%56%結(jié)果分析：使用決策樹時，每個葉子節(jié)點最優(yōu)的實例個數(shù)為3。校驗數(shù)據(jù)集校驗決策樹得出的結(jié)果初步結(jié)果分析：使用決策樹進行分類，對于已知的49個類標(biāo)號為male的數(shù)據(jù)都進行了準(zhǔn)確的分類，并且達到100%；雖然是個很好的數(shù)據(jù)，但是完美背后隱藏了缺陷，是以對female類的低準(zhǔn)確率作為代價的，因為這樣會說明該分類器很有可能偏向male類。 K最近鄰算法分類點“Choose”按鈕選擇“l(fā)azeibk”，這是WEKA中實現(xiàn)的決策樹算法。選擇CrossValidatioin folds=10，然后點擊“start”按鈕：訓(xùn)練數(shù)據(jù)集訓(xùn)練KNN得出的結(jié)果使用不同配置訓(xùn)練參數(shù)，得到的實驗數(shù)據(jù)：配置不同的葉子節(jié)點的實例個數(shù)K值12345678910準(zhǔn)確率52%54%56%58%60%58%60
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號-1