Datu apstrādes un datizraces pamati

REZULTĀTU APKOPOJUMS UN SECINĀJUMI
Klasifikacijas koki: es varu sēcināt, kā vērtība pie - klasifikācijas precizitāte, jutīgums, specifiskums, un pozitīvās klases precizitāte – samazinās. Bet pie klasifikācijas kļūda, kļūdaino pozitīvo norma, kļūdaino negatīvo norma – vērtība pieaug. Un vērtība pie PP un NN samazinās, bet pie PN un NP pieaug. Ka arī, jo lielāks “Min. number of instances in leavels”, jo mazāk zaru skaits kokā.
K-tuvāko kaimiņu algoritms: es varu sēcināt, kā vērtība pie - klasifikācijas precizitāte, jutīgums, kļūdaino pozitīvo norma – samazinās. Bet pie specifiskums, klasifikācijas kļūda, pozitīvās klases precizitāte, kļūdaino negatīvo norma – vērtība pieaug. Un vērtība pie PP, NN un NP samazinās, bet pie PN pieaug. Ka arī, jo lielāks “Min. number of instances in leavels”, jo mazāk zaru skaits kokā. Vēl varu secināt: kad tuvāko kaimiņu skaits ir 1, augšejas(N) regresijas līnijas vērtība ir -0.17, vidējas ir -0.22 un apakšejas(P) ir -0.28, bet kad tuvāko kaimiņu skaits ir 10, tad augšejas(N) regresijas līnijas vērtība pieaug, ir -0.13, bet apakšejas(P) regresijas līnijas vērtība samazinās, ir -0.40.
Kopumā darbs tika veikts, pamatojoties uz dotajiem lekciju materiāliem. Es arī vēlētos atzīmēt, ka ir diezgan viegli strādāt ar Orange programmu, man pat patika, tas ir vienkārši un ērti lietojams, un, ja kaut kas nav skaidrs, tad atbildi uz savu jautājumu atrast ir viegli. Kopumā darbs bija vienkāršs, un es ceru, ka tajā es nepieļāvu būtiskas kļūdas.
…