Mateusz Macięga
Informatyka stosowana
zajęcia: wtorek 16:15
Metody klasyfikacji i rozpoznawania wzorców
Laboratorium nr 3
Sprawozdanie
1. Celem zadania było porównania działania drzewa w metodzie Bagging z pojedynczym
operatorem drzewa decyzyjnego. Należało dokonać porównania dla danych z baz Pima , Sonar
oraz Glass .
Poniżej przedstawiony zostanie model procesu. Przy czym do wykonania pomiarów podłączane
były kolejno pojedyncze dane z trzech baz.
Poniżej przedstawione zostały wyniki dla domyślnych parametrów wszystkich operatorów.
- Dla bazy Pima :
Ilustracja 1: Wyniki dla bazy "Pima" - pojedyncze drzewo
Ilustracja 2: Wyniki dla bazy "Pima" - metoda "Bagging"
- Dla bazy Sonar :
Ilustracja 3: Wyniki dla bazy "Sonar" - pojedyncze drzewo
Ilustracja 4: Wyniki dla bazy "Sonar" - metoda "Bagging"
- Dla bazy Glass :
Ilustracja 5: Wyniki dla bazy "Glass" - pojedyncze drzewo
Ilustracja 6: Wyniki dla bazy "Glass" - metoda "Bagging"
Wnioski z przeprowadzonych testów:
Dla bazy Pima zastosowanie Baggingu zmniejszyło otrzymany wynik.
Dla baz Sonar i Glass wykorzystanie operatora Bagging polepszyło otrzymany wynik.
W kolejnych testach w opcjach obu operatorów drzewo decyzyjne zaznaczono opcje no pre
pruning .
- Dla bazy Pima :
Ilustracja 7: Wyniki dla bazy "Pima" - pojedyncze drzewo (no pre pruning)
Ilustracja 8: Wyniki dla bazy "Pima" - metoda "Bagging" (no pre pruning)
- Dla bazy Sonar :
Ilustracja 9: Wyniki dla bazy "Sonar" - pojedyncze drzewo (no pre pruning)
Ilustracja 10: Wyniki dla bazy "Sonar" - metoda "Bagging" (no pre pruning)
- Dla bazy Glass :
Ilustracja 11: Wyniki dla bazy "Glass" - pojedyncze drzewo (no pre pruning)
Ilustracja 12: Wyniki dla bazy "Glass" - metoda "Bagging" (no pre pruning)
Wnioski do otrzymanych wyników:
W przypadku zbioru danych wejściowych Pima zmiana parametru pre pruning pozwoliła
uzyskać lepsze wyniki jednak nadal stosowanie metody Bagging nie jest opłacalne.
Dla zbioru danych Sonar otrzymane wyniki są dokładnie takie same jak poprzednio.
Natomiast dla bazy Glass dla pojedynczego drzewa wynik się pogorszył a dla metody Bagging
polepszył.
2. W tym zadaniu należało zwiększyć liczbę podstawowych klasyfikatorów w metodzie Bagging .
Możemy tego dokonać za pomocą zwiększenia wartości parametru iterations dla tego bloku.
Należało sprawdzić czy przynosi to poprawę wyników i czy dla pewnej wartości następuje
nasycenie tendencji.
Wnioski z przeprowadzonych testów:
Dla zbioru Pima otrzymywany wynik dla metody Bagging pomimo zwiększania wartości
iterations pozostaje ten sam. Dzieje się tak aż do momentu wprowadznie wartości równej i
większej od 150. Następuje wtedy nasycenie i wynik zmniejsza się do wartości 66.96% (różnica
0,43%).
W przypadku zbioru Sonar podobnie jak dla zbioru Pima wynik się nie polepsza. Przełomowa
jest wartość 18 dla parametru iterations , wtedy wartość wyniku zmniejsza się do 72.58% (różnica
3,23%).
Ostatni zbiór Glass zachowuje się zgoła odmiennie od dwóch pozostałych. Już od wartości 12
parametru iterations otrzymywany wynik jest większy i wynosi 71.88% (różnica 3,13%). W
okolicach wartości 50 wynik wynosi tyle ile z domyślną wartością dla tego parametru. Przy 150
zwiększa się do 70,31% a przy 1000 do 71,88%. Możemy zauważyć tendencję skokową. Na
podczas zwiększenia wynik otrzymujemy lepszy, następnie w pewnym momencie wartość wyniku
wraca do pierwotnej wersji i potem znów osiągamy lepszy wynik.
3. W tym zadaniu należało zamiast drzewa decyzyjnego przetestować klasyfikatory liniowe i
ocenić czy wprowadzenie metody bagging poprawia otrzymywane wyniki.
W moim przykładzie wykorzystałem operator perceptrona z domyślnymi parametrami. Poniżej
przedstawione zostały wyniki dla domyślnych parametrów wszystkich operatorów.
- Dla bazy Pima :
Ilustracja 13: Wyniki dla bazy "Pima" - perceptron
Ilustracja 14: Wyniki dla bazy "Pima" perceptron, metoda Bagging
- Dla bazy Sonar :
Ilustracja 15: Wyniki dla bazy "Sonar" - perceptron
Ilustracja 16: Wyniki dla bazy "Sonar" perceptron, metoda Bagging
Wnioski z przeprowadzonych testów:
Dla obu zbiorów Pima i Sonar w przypadku zastosowania perceptronu jako klasyfikatora
podstawowego w metodzie bagging otrzymane wyniki są gorsze (różnica ok. 5%).
Wyszukiwarka
Podobne podstrony:
GR3 Sprawozdanie Laboratorium nr 2Sprawozdanie z laboratorium nr 2 z Podstaw AutomatykiSprawozdanie Laboratorium nr 1Ćwiczenie laboratoryjne nr 6 materiałyChemia żywnosciCwiczenie laboratoryjne nr 1 wyodrebnianie i badanie własciwosci fizykochemicznych bSprawozdanie z laboratorium z wibroakustykiLABORATORIUM NR 2Cwiczenie laboratoryjne nr 5 materialySprawozdanie z ćwiczenia nr MISW 2Ćwiczenie Laboratoryjne nr 1 TematyMleczko Agnieszka sprawozdanie z laboratorium 3Laboratorium nr 3 Jakóbik Piotr Klocek Karolina tabelkaLaboratoria nr 1Tomasz Olchawski Sprawozdanie z Laboratorium 5Sprawozdanie z Laboratorium 3Automatyka Laboratorium Nr 2Laboratorium nr 2, 14 10 2011więcej podobnych podstron