BuboFlash - helps with learning

Do you want BuboFlash to help you learning these things? Or do you want to add or correct something? Click here to log in or create user.

Tags

#SpezielleMethoden #has-images

Question

Klassifikations- und Regressionsbäume: Überprüfung, ob der Entscheidungsbaum eine gute Klassifizierung ermöglicht

Answer

Baum wird aus 80% der Daten generiert (Trainingsdaten) und auf 20% der (Test)Daten angewendet
Wahrheitsmatrix bzw. Konfusionsmatrix
- Häufigkeitstabelle
- Diagonale repräsentiert Übereinstimmungen (Vorhersage = Tatsächlicher Zustand)
- Die Werte außerhalb der Diagonale sollen möglichst klein sein (Klassifikationsfehler)
Abbildung:
- Zwar werden die meisten Personen korrekt klassifiziert (Accuracy = (0+0+201+13)/304= .7039), aber der Baum ist nicht besonders nützlich
- No Information Rate : Da der Anteil der Personen, die eher zufrieden sind, so hoch ist ((0+0+201+9)/304= .6908), würde man ähnlich gute Entscheidungen treffen, wenn man jede Person pauschal als somewhat happy“ klassifizieren würde.
Da die Aufteilung in Training und Test Daten zufallsbasiert ist, können jedes Mal andere Personen im Training Datensatz landen, was zu einem anderen Baum führen kann

Tags

#SpezielleMethoden #has-images

Question

Klassifikations- und Regressionsbäume: Überprüfung, ob der Entscheidungsbaum eine gute Klassifizierung ermöglicht

Answer

Baum wird aus 80% der Daten generiert (Trainingsdaten) und auf 20% der (Test)Daten angewendet
Wahrheitsmatrix bzw. Konfusionsmatrix
- Häufigkeitstabelle
- Diagonale repräsentiert Übereinstimmungen (Vorhersage = Tatsächlicher Zustand)
- Die Werte außerhalb der Diagonale sollen möglichst klein sein (Klassifikationsfehler)
Abbildung:
- Zwar werden die meisten Personen korrekt klassifiziert (Accuracy = (0+0+201+13)/304= .7039), aber der Baum ist nicht besonders nützlich
- No Information Rate : Da der Anteil der Personen, die eher zufrieden sind, so hoch ist ((0+0+201+9)/304= .6908), würde man ähnlich gute Entscheidungen treffen, wenn man jede Person pauschal als somewhat happy“ klassifizieren würde.
Da die Aufteilung in Training und Test Daten zufallsbasiert ist, können jedes Mal andere Personen im Training Datensatz landen, was zu einem anderen Baum führen kann

If you want to change selection, open document below and click on "Move attachment"

cannot see any pdfs

status	not learned	measured difficulty	37% [default]	last interval [days]
repetition number in this series	0	memorised on		scheduled repetition
scheduled repetition interval		last repetition or drill

No repetitions

Do you want to join discussion? Click here to log in or create user.