Jakub Soja 161319

Marcin Kowalski 161275

Damian Kołodziejski 161268

Zadanie klasyfikacja

Zadanie 1

a)

Model pierwszy był utworzony z domyślnymi wartościami parametrów konstrukcji drzewa decyzyjnego, oraz ze wszystkimi wybranymi zmiennymi. Pominięta została kolumna ID.

Parametry modelu 1.

Drzewo decyzyjne modelu 1.

Sieć zależności atrybutów w modelu 1.

Drugi model został utworzony również z domyślnie wybranymi parametrami, lecz zmienionymi parametrami algorytmu konstrukcji drzewa decyzyjnego.
W drugim modelu parametr COMPLEXITY_PENALTY zamieniliśmy na 0.2, a MINIMUM_SUPPORT na 4.

Drzewo decyzyjne modelu 2.

Sieć zależności atrybutów w modelu 2.

b)

W modelu najsilniejszym atrybutem, najbardziej znaczącym jest Age potem Cars, Children, Marital Status, Region, Occupation, Commute Distance , Yearly Income, Gender, Education, Home Owner.

c)

Trafność: 90,75%
Czułość: 9,25%

Liczba przykładów popranie nieprzydzielonych: 8976

Liczba poprawnie sklasyfikowanych: 99

Liczba błednie przydzielonych: 24

Liczba blednie sklasyfikowanych: 901

Specyficzność: 99,73%

d)

Przypadek 1.

Jeżeli osoba ma mniej niż 33 lata i jego ilość samochodów jest równa 0 to prawdopodobieństwo kupna roweru wzrasta znaczaco

Przypadek 2.

Jeśli osoba jest pomiędzy 41 a 57 rokiem zycia i nie posiada dzieci to prawdopodobieństwo kupna roweru wzrasta

Przypadek 3.

Jeśli osoba jest pomiedzy 33 a 41 rokiem zycia i nie ma 2 samochodów to prawdopodobieństwo kupna roweru wzrasta

e)

Trafność: 90,74%
Czułość: 9,26%

Liczba przykładów popranie nieprzydzielonych: 8976

Liczba poprawnie sklasyfikowanych: 99

Liczba błednie przydzielonych: 24

Liczba blednie sklasyfikowanych: 901

Specyficzność: 99,73%

f)

Wnioski:

Model można uznać za poprawny na wysokim poziomie. Można go wykorzystać do dalszych analiz