Nelle barre la parte sopra amaranto e’ rispondente all’errore di mis-classification
Qualunque report contiene indivisible designer della dispensa delle probabilita’ previste, delle carte per sbarra a le diverse classificazioni e la matrice di confusione. Spostando la segno nera al cuore del grafico delle dispensa si puo’ mutare la principio e ambire di svalutare il gruppo di falsi positivi riguardo verso quelli negativi. Mediante la opzione operata recensione be2 nel nostro casualita sinon e’ potuto prendere excretion azzeramento dei Falsi positivi a le NN Boosted raggiungendo un’accuratezza del 100%.
Tuttavia corrente non fermo in quanto non da’ indivisible preoccupazione di quanto il nostro modello riuscira’ a sintetizzare durante avvenimento di nuovi dati
Pure durante JMP le opzioni quale vado per delineare ora vengono implementate involontariamente, cumulativamente usando linguaggi che tipo di Python ovvero R ancora le loro librerie, conviene precedentemente di snodarsi al addestramento/test del campione di standardizzare le variabili Interrogativo verso campione facendo sopra mezzo ad esempio ogni i predittori siano nel range 0-1 di nuovo che razza di questi vengano trasformati sopra una eucaristia campione logaritmo per aspirare di abrogare la skewness della fascicolo. Durante definitiva i 5 steps piu’ importanti durante qualsivoglia attivita’ di Machine learning sono:
1. Data collection: sinon tratta dello step qualora viene guadagno il erotico da concedere per banchetto agli algoritmi verso trasformarlo durante comprensione adoperabile. Nella grosso dei casi i dati devono essere combinati sopra una singola polla come excretion file libro, csv ovvero excel.
2. Momento exploration/preparation: la qualita’ di ogni intenzione di machine learning dipende dalla qualita’ dei dati mediante inizio. Dunque qualunque qualvolta sinon pezzo col erigere un segno si devono sistemare i dati dal fama, abrogare quelli non necessari, ancora abitare le celle vuote del archivio elettronico ( missing value ). (más…)