система для массового тестирования алгоритмов
классификации на реальных задачах

Напомнить

  Войти  
Регистрация позволяет загружать и тестировать свои алгоритмы и задачи, а также публиковать результаты тестирования. В общем, регистрация — полезная штука. Рекомендуем :)
Зарегистрироваться
  Вход и регистрация

Отчет: Алгоритм Weka.MultilayerPerceptron на всех задачах

demo, 22 Сен 2009 10:59
[Автор не указал описание отчета]
на разбиении отображать доверительный интервал
— Средняя ошибка на разбиениях, полученных при скользящем контроле.
— Переобученность - это разность между средними ошибками на контроле и на обучении. Чем больше разность, тем больше вероятность переобучения.
— Среднее смещение характеризует степень несогласованности данного объекта с алгоритмом обучения. Чем меньше смещение, тем лучше алгоритм подходит для решения конкретной задачи.
— Средняя вариация характеризует степень изменчивости результата обучения на данном объекте при варьировании состава обучающей выборки. Чем меньше вариация, тем устойчивее алгоритм классификации.
— Объект называется пограничным, если его отступ находится вблизи нуля. При наличии доверительного интервала мы используем более строгое определение пограничного объекта: объект называется пограничным, если нуль входит в его доверительный интервал.
— Шумовым объект называется, если его отступ меньше нуля. В нашем случае, когда мы имеем ещё доверительный интервал, считаем, что объект шумовой это тот объект, у которого весь доверительный интервал лежит меньше нуля.\n Чем меньше шумовых объектов, тем лучше работает алгоритм классификации и (или) тем лучше сама выборка (содержит мало выбросов).
— Объект называется эталонным, если его отступ находится вблизи единицы. В нашем случае, когда мы имеем ещё доверительный интервал, считаем, что эталонный это тот объект, у которого весь доверительный интервал около единицы.
Транспонировать таблицу отчета
UCI_Liver_DisordersUCI_IrisUCI_GermanUCI_Australian
functions.MultilayerPerceptron
0.3072
0.1884 - 0.4203
0.0373
0.0000 - 0.1000
0.2776
0.2200 - 0.3400
0.1671
0.0870 - 0.2536