As classification algorithms, we used the algorithms K-nn [7] with 7 neighbors, Naive Bayes [8], C4.5 [9] and CN2 [10] without pruning. At the experimental stage, as the experimental methodology, we used cross-validation to estimate the accuracy of the classification algorithms [11]. More specifically,
we used ten-fold cross-validation
in which the dataset to be processed is permuted and partitioned equally into ten disjoint sets D1, D2,…,D10.
In each phase of a cross- validation, one of the yet unprocessed sets was tested, while the union of all remaining sets was used as training set for classification by the algorithms K-nn, C4.5, Naive Bayes and CN2.
เป็นขั้นตอนวิธีการจัดหมวดหมู่ของเราใช้ขั้นตอนวิธี k-NN [7] 7 เพื่อนบ้าน Bayes ไร้เดียงสา [8], C4.5 [9] และ CN2 [10] โดยไม่ต้องตัดแต่งกิ่ง ในขั้นตอนการทดลองเป็นวิธีการทดลองที่เราใช้ข้ามการตรวจสอบเพื่อประเมินความถูกต้องของขั้นตอนวิธีการจัดหมวดหมู่ [11] มากขึ้นโดยเฉพาะ,
เราใช้สิบเท่าการตรวจสอบข้าม
ซึ่งในชุดที่ต้องดำเนินการคือการแบ่งพาร์ติชัน permuted และเท่าเทียมกันเป็นสิบชุดเคลื่อน d1, d2, ... , D10
ในขั้นตอนของการตรวจสอบข้ามซึ่งเป็นหนึ่งในชุดที่ยังไม่ได้ยังได้รับการทดสอบในขณะที่ยูเนี่ยนของชุดที่เหลืออยู่ทั้งหมดถูกนำมาใช้เป็นชุดการฝึกอบรมสำหรับการจัดหมวดหมู่โดยขั้นตอนวิธี K-NN, C4.5, ไร้เดียงสา Bayes และ CN2 แต่ละ
การแปล กรุณารอสักครู่..
เป็นอัลกอริทึมการจัดประเภท เราใช้อัลกอริทึม K-nn [7] กับ 7 บ้าน Naive Bayes [8], CN2 และ C4.5 [9] [10] โดยไม่ต้องตัด ในขั้นตอนทดลอง เป็นวิธีการทดลอง เราใช้ข้ามตรวจสอบเพื่อประเมินความถูกต้องของกระบวนการจัดประเภท [11] อื่น ๆ โดยเฉพาะ,
เราใช้สอบข้าม ten-fold
ในชุดข้อมูลที่จะประมวลผลเป็น permuted และเท่าเทียมกันแบ่ง 10 ตัวชุดง 1, D2,... D10
ในแต่ละขั้นตอนของการตรวจสอบข้าม หนึ่งชุดแต่ยังไม่ได้รับการทดสอบ ในขณะที่สหภาพชุดที่เหลือทั้งหมดถูกใช้เป็นชุดการจัดฝึกอบรม โดยอัลกอริทึม K-nn, C4.5, Naive Bayes และ CN2
การแปล กรุณารอสักครู่..