· KLDP.org · KLDP.net · KLDP Wiki · KLDP BBS ·
cjftn0/2008-03-30

Describe cjftn0/2008-03-30


-미팅시간에 10cv의 평균이 70%정도라고 말씀드렸는데, 이번의 결과는 약간 낮게 나왔습니다. 이런 이유는 랜덤 샘플링에 의해서 초기의 샘플들을 n1,n2,.....,n10까지의 데이터 셋으로 나누게 되는데, 이 데이터 셋의 각 모수(mean, variance)가 매번 모델 만들 때 마다 변경되게 되고, 이러한 영향이 매번 결과에 영향을 주기 때문으로 생각됩니다. 앞으로 여러 번 모델을 만들어서 모델 정확도의 평균을 산출하여 결과에 포함시키겠습니다. 교수님 가르침으로 지금까지 간과 하고 있었던 부분을 새삼 깨닫게 되었습니다. ^^;;

-분류 모델 구성에 사용된 방식

1.msc.features.select 로 속성차원 줄임 2.tree 모델 - 사용된 feature selection 방식은 gini
  1. 10 cross validation


-시도 해본 방법

1.속성 선택하는 다른 메서드 이용- relifcat feature selection
결과- 10cv의 평균 약 58%
2.rpart 이용하여 모델 구축시도 -벡터할당 에러 or too many element specified 3.msc.features.select에서 RemCorrcol, keepCol 파라미터 조정


0.98/0.72 => null vector (선택된 속성이 없는 cv 발생) 0.98/0.75 => null vector (선택된 속성이 없는 cv 발생) 0.98/0.8 => null vector (선택된 속성이 없는 cv 발생)


-시도 도중 얻은 아이디어
1.오분류율이 15% 이하인 10cv들 중에서 공통된 속성을 발견 이 속성이 사용 안 된 10cv는 오분류율이 높다는 것을 발견
=>오분류율이 15% 이하인 10cv들 중에서 선택된 속성들의 전체 집합에서 빈발하 는 속성과 공통속성을 이용하여 모델 구축.음주 계획


발하는 속성의 빈도수 및 공통속성(5번의 빈도수 가진 속성)

5번의 10 cross validation을 통해 만들어진 10cv 중에서 약15% 이하의 오분류율을 나타 낸 10cv 만 선택하여, 이것의 선택 되어진 속성의 공통된 속성과 빈도수를 구했습니다.

속성 빈도수 "X228769_at" 공통속성 “X227094_at” 4 "X219821_s_at" 3 "X1557483_at" 3 "X1564190_x_at" 2 "X221572_s_at" 2 "X227356_at" 2 "X219429_at" 2



Classification tree: tree(formula = class ~ ., data = iter10, na.action = na.pass,
split = c("gini"), x = FALSE, y = TRUE)
Variables actually used in tree construction: 1 "X219821_s_at" "X1557483_at" "X227094_at" "X212707_s_at" 5 "X234668_at" "X220455_at" "X206819_at" "X1564190_x_at" 9 "X228769_at" Number of terminal nodes: 13 Residual mean deviance: 0.5868 = 69.24 / 118 Misclassification error rate: 0.1527 = 20 / 131
a10 <-classError(p10, iter_t10,num) a10
$misclassified 1 7 11 $errorRate 1 0.1538462

Classification tree: tree(formula = class ~ ., data = iter7, na.action = na.pass,
split = c("gini"), x = FALSE, y = TRUE)
Variables actually used in tree construction: 1 "X219821_s_at" "X210387_at" "X221572_s_at" "X1564190_x_at" 5 "X228769_at" "X227094_at" "X227733_at" Number of terminal nodes: 12 Residual mean deviance: 0.4563 = 54.3 / 119 Misclassification error rate: 0.1145 = 15 / 131
a7 <-classError(p7, iter_t7,num) a7
$misclassified 1 3 10 $errorRate 1 0.1538462

Classification tree: tree(formula = class ~ ., data = iter10, na.action = na.pass,
split = c("gini"), x = FALSE, y = TRUE)
Variables actually used in tree construction: 1 "X230134_s_at" "X228769_at" "X204712_at" "X227094_at" "X205695_at" 6 "X227356_at" "X1557483_at" "X223517_at" Number of terminal nodes: 13 Residual mean deviance: 0.4802 = 56.66 / 118 Misclassification error rate: 0.1069 = 14 / 131
a10 <-classError(p10, iter_t10,num) a10
$misclassified 1 7 9 $errorRate 1 0.1538462


Classification tree: tree(formula = class ~ ., data = iter6, na.action = na.pass,
split = c("gini"), x = FALSE, y = TRUE)
Variables actually used in tree construction: 1 "X219821_s_at" "X219429_at" "X243476_at" "X228769_at" "X222283_at" 6 "X201611_s_at" "X1557483_at" "X227094_at" Number of terminal nodes: 13 Residual mean deviance: 0.4657 = 54.96 / 118 Misclassification error rate: 0.1221 = 16 / 131
a6 <-classError(p6, iter_t6,num) a6
$misclassified 1 5 10 $errorRate 1 0.1538462


Classification tree: tree(formula = class ~ ., data = iter8, na.action = na.pass,
split = c("gini"), x = FALSE, y = TRUE)
Variables actually used in tree construction:
1 "X206766_at" "X219429_at" "X221572_s_at" "X226745_at" "X228769_at" 6 "X227356_at" "X236717_at" "X223147_s_at" "X226748_at" "X222657_s_at"
Number of terminal nodes: 13 Residual mean deviance: 0.473 = 55.82 / 118 Misclassification error rate: 0.1145 = 15 / 131
a8 <-classError(p8, iter_t8,num) a8
$misclassified 1 5 11 $errorRate 1 0.1538462


ID
Password
Join
You will overcome the attacks of jealous associates.


sponsored by andamiro
sponsored by cdnetworks
sponsored by HP

Valid XHTML 1.0! Valid CSS! powered by MoniWiki
last modified 2008-03-30 19:52:41
Processing time 0.0078 sec