《BI那点儿事》数据挖掘各类算法—

《BI那点儿事》数据挖掘各类算法——准确性验证

原文:《BI那点儿事》数据挖掘各类算法——准确性验证

准确性验证示例1：——基于三国志11数据库

数据准备：

挖掘模型：
依次为：Naive Bayes 算法、聚类分析算法、决策树算法、神经网络算法、逻辑回归算法、关联算法

提升图：

依次排名为：
1. 神经网络算法（92.69% 0.99）
2. 逻辑回归算法（92.39% 0.99）
3. 决策树算法（91.19% 0.98）
4. 关联算法（90.60% 0.98）
5. 聚类分析算法（89.25% 0.96）
6. Naive Bayes 算法（87.61 0.96）

Naive Bayes算法——分类矩阵

说明：
其他类的538个样本有482个预测正确，32个错分为军师类，24个错分为将军类，预测正确率为89.59%；
军师20个样本有13个预测正确，7个错分为其他类，预测正确率为65%；
将军112个样本有92个预测正确，16个错分为其他类，4个错分为军师类，预测正确率为82.14%。
聚类分析算法——分类矩阵

说明：
其他类的538个样本有536个预测正确，2个错分为将军类，预测正确率为99.63%；
军师20个样本有0个预测正确，20个错分为其他类，预测正确率为0%；
将军112个样本有62个预测正确，50个错分为其他类，预测正确率为55.36%。
决策树算法——分类矩阵

说明：
其他类的538个样本有538个预测正确，预测正确率为100%；
军师20个样本有0个预测正确，20个错分为其他类，预测正确率为0%；
将军112个样本有73个预测正确，39个错分为其他类，预测正确率为65.18%。
神经网络算法——分类矩阵

说明：
其他类的538个样本有524个预测正确，5个错分为军师类，9个错分为将军类，预测正确率为97.40%；
军师20个样本有5个预测正确，15个错分为其他类，预测正确率为25%；
将军112个样本有92个预测正确，20个错分为其他类，预测正确率为82.14%。
逻辑回归算法——分类矩阵

说明：
其他类的538个样本有526个预测正确，6个错分为军师类，6个错分为将军类，预测正确率为97.77%；
军师20个样本有5个预测正确，15个错分为其他类，预测正确率为25%；
将军112个样本有88个预测正确，24个错分为其他类，预测正确率为78.57%。
关联算法——分类矩阵

说明：
其他类的538个样本有519个预测正确，19个错分为军师类，预测正确率为96.47%；
军师20个样本有0个预测正确，20个错分为其他类，预测正确率为0%；
将军112个样本有88个预测正确，24个错分为其他类，预测正确率为78.57%。
分类矩阵——预测正确率汇总分析：

	其他	军师	将军
神经网络算法	97.40%	25%	82.14%
逻辑回归算法	97.77%	25%	78.57%
决策树算法	100%	0%	65.18%
关联算法	96.47%	0%	78.57%
聚类分析算法	99.63%	0%	55.36%
Naive Bayes 算法	89.59%	65%	82.14%

可以看出Naive Bayes 算法在预测军师身份正确率最高，达到65%，决策树算法、关联算法、聚类分析算法为0%，神经网络算法、逻辑回归算法为25%；
决策树算法在预测其他身份正确率最高，达到100%；
神经网络算法、Naive Bayes 算法在预测将军身份正确率并列，达到82.14%。

准确性验证示例2：——基于个股数据
数据准备：

挖掘模型依次为：
StockClustering 聚类分析算法
StrockDecisionTrees 决策树算法
StockNeuralNetWork 神经网络算法
StockLogistic 逻辑回归算法

提升图：

依次排名为：
1. 逻辑回归算法（49.73% 0.52）
2. 神经网络算法（49.63% 0.53）
3. 聚类分析算法（48.13% 0.51）
4. 决策树算法（47.28% 0.50）
聚类分析算法——分类矩阵：

说明：
持平的114个样本有0个预测正确，91个错分为跌，23个错分为涨，预测正确率为0%；
跌的443个样本有340个预测正确，103个错分为涨，预测正确率为76.75%；
涨的380个样本有111个预测正确，269个错分为跌，预测正确率为29.21%。

决策树算法——分类矩阵：

说明：
持平的114个样本有0个预测正确，114个错分为跌，预测正确率为0%；
跌的443个样本有443个预测正确，预测正确率为100.00%；
涨的380个样本有0个预测正确，380个错分为跌，预测正确率为0%。

神经网络算法——分类矩阵：

说明：
持平的114个样本有0个预测正确，60个错分为跌，54个错分为涨，预测正确率为0%；
跌的443个样本有277个预测正确，166个错分为涨，预测正确率为62.53%；
涨的380个样本有188个预测正确，192个错分为跌，预测正确率为49.47%。

逻辑回归算法——分类矩阵：

说明：
持平的114个样本有0个预测正确，89个错分为跌，25个错分为涨，预测正确率为0%；
跌的443个样本有380个预测正确，63个错分为涨，预测正确率为85.78%；
涨的380个样本有86个预测正确，294个错分为跌，预测正确率为22.63%。

分类矩阵——预测正确率汇总分析：

	持平	跌	涨
逻辑回归算法	0%	85.78%	22.63%
神经网络算法	0%	62.53%	49.47%
聚类分析算法	0%	76.75%	29.21%
决策树算法	0%	100.00%	0%

posted on 2014-12-02 09:21 NET未来之路阅读(...) 评论(...) 编辑收藏

转载于:https://www.cnblogs.com/lonelyxmas/p/4136624.html

《BI那点儿事》数据挖掘各类算法——准确性验证相关推荐

《BI那点儿事》Microsoft 聚类分析算法——三国人物身份划分
<BI那点儿事>Microsoft 聚类分析算法--三国人物身份划分原文:<BI那点儿事>Microsoft 聚类分析算法--三国人物身份划分什么是聚类分析? 聚类分析属 ...
数据挖掘分类算法的学习总结
一.中文摘要大数据时代的我们每时每刻都在产生海量数据,如何快速准确获取其中有价值的数据一直是亟待解决的问题.数据挖掘技术的应运而生为该问题提供了解决手段,作为数据挖掘核心内容之一的分类算法同样发挥了 ...
《BI那点儿事》数据流转换——排序
<BI那点儿事>数据流转换--排序原文:<BI那点儿事>数据流转换--排序排序转换允许对数据流中的数据按照某一列进行排序.这是五个常用的转换之一.连接数据源打开编辑界面,编 ...
数据挖掘Apriori算法
数据挖掘Apriori算法数据挖掘(Data Mining)就是从大量的.不完全的.有噪声的.模糊的.随机的实际应用数据中,提取隐含在其中的.人们事先不知道的.但又是潜在有用的信息和知识的过程.挖掘 ...
《BI那点儿事》Microsoft 决策树算法——找出三国武将特性分布，献给广大的三国爱好者们...
<BI那点儿事>Microsoft 决策树算法--找出三国武将特性分布,献给广大的三国爱好者们原文:<BI那点儿事>Microsoft 决策树算法--找出三国武将特性分布,献 ...
《BI那点儿事》三国数据分析系列——蜀汉五虎上将与魏五子良将武力分析，绝对的经典分析...
<BI那点儿事>三国数据分析系列--蜀汉五虎上将与魏五子良将武力分析,绝对的经典分析原文:<BI那点儿事>三国数据分析系列--蜀汉五虎上将与魏五子良将武力分析,绝对的经典分析 ...
《BI那点儿事》数据流转换——派生列
原文:<BI那点儿事>数据流转换--派生列派生列转换通过对转换输入列应用表达式来创建新列值. 表达式可以包含来自转换输入的变量.函数.运算符和列的任意组合. 结果可作为新列添加,也可作为 ...
《BI那点儿事》数据流转换——透视
原文:<BI那点儿事>数据流转换--透视这个和T-SQL中的PIVOT和UNPIVOT的作用是一样的.数据透视转换可以将数据规范或使它在报表中更具可读性. 通过透视列值的输入数据,透视转 ...
数据挖掘——时间序列算法之ARCH模型
数据挖掘--时间序列算法之ARCH模型先占个坑 1.平滑法 2.趋势拟合法 3.组合模型 4.AR模型 5.MA模型 6.ARMA模型 7.ARIMA模型 8.ARCH模型 9.GARCH模型及其衍 ...

《BI那点儿事》数据挖掘各类算法——准确性验证

《BI那点儿事》数据挖掘各类算法——准确性验证相关推荐

最新文章

热门文章