Почему дерево решений показывает правильную классификацию, в то время как некоторые экземпляры классифицируются неправильно

Я использую WEKA, 10-кратную перекрестную проверку или разделение 66% для создания обучающих и тестовых наборов. Я использовал c4.5 (J48) в качестве классификатора. визуализировать дерево, я вижу, что на основе дерева экземпляры должны были быть классифицированы правильно !!!

Я не вижу этого, когда тестовый набор является одним и тем же обучающим набором.. если классификатор решил создать такое дерево, почему некоторые экземпляры не классифицируются на основе этого дерева???

Заранее спасибо.


classification prediction decision-tree weka
person Abdullah Awaysheh    schedule 21.10.2014    source источник
comment
Почему дерево решений показывает правильную классификацию, в то время как некоторые экземпляры классифицируются неправильно   -  person Abdullah Awaysheh    schedule 21.10.2014

Ответы (1)


arrow_upward
0
arrow_downward

Похоже, вы ищете полностью необрезанное дерево, поэтому данные обучения должны возвращать точность 100%.

Варианты, которые могут привести к нежелательным результатам, описаны ниже:

  • Unpruned используется для минимизации количества правил в дереве решений и может привести к снижению ошибки обобщения.
  • minNumObj используется для определения минимального количества наблюдений, необходимого для создания правила. Если это значение выше единицы, вы можете получить некоторые ошибки в обучающих данных.

Обычно я бы не рекомендовал использовать эти параметры для конкретной задачи, но если вы пытаетесь получить 100%-й результат на обучающих данных, это будет то место, с которого стоит начать.

Надеюсь это поможет!

person Matthew Spencer    schedule 21.10.2014