《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% |
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 ...
最新文章
- android studio adb
- Service Manger的初始化分析
- Edward Gaming, the Champion 字符串,模拟(2021.11.沈阳)
- 《TensorFlow 机器学习方案手册》(附 pdf 和完整代码)
- 大数的相加 乘 余 幂
- Hibernate框架(1)
- oracle 插入出错_使用sqlca打印错误原因,ORACLE-Proc:SQLCA
- 《Linux内核完全注释》《完全剖析》 » 阅读本书所需的基础知识 -- 再次强调。
- docker清理磁盘占用
- 解决PyScripter中文乱码问题
- catia 二次开发:高版本的catia vba项目在低版本的catia上运行,报错
- HTTP 权威指南 详解 (推荐阅读 )
- 小米 note3 android,小米NOTE3 MIUI9.6稳定版 开启全面屏手势和屏蔽经典物理按键全攻略...
- 根据身高体重计算BMI指数
- win10禁用笔记本自带键盘、触摸盘
- 神经网络调参-warmup and decay
- 「Activiti精品 悟纤出品」核心类以及如何在SpringBoot集成说明 - 第328篇
- 【Gaze】A Survey on Using Gaze Behaviour for Natural Language Processing
- 数据库-MySQL环境(5.x、Windows、解压版、安装版、安装、卸载)
- --如何用PhotoShop制作真人头像表情包--
热门文章
- 一条SQL查询语句是如何执行的? MySql杂谈
- React基础篇(三)之 webpack打包项目配制
- Android自定义View 开发流程综合简述 Android自定义View(三)
- Android RecyclerView(九)滑动监听综述
- “unauthorized: authentication required” -- openshift3.9 docker push 报错
- 单点登录的原理与简单实现
- Linux Shell 文本处理工具集锦 zz
- jvm原理及性能调优系列(jvm调优)
- 朋友面试被问到---静态构造函数
- MySQL_存储引擎