Отчет о лаботарорной работе методы и средства анализа данных по теме: «Система анализа данных weka»

Вывод Если сравним правила различных алгоритмов то видно, что женато-замужние и с хорошим образованием получают явно больше, чем необразованные. Правда, если верить методу опорных векторов докторам наук неплатят и в США тоже... Naïve Bayes При 9 годах образования люди получают меньше 50000 При 11 годах обучения люди получают больше 50000 Семейный статус: жены/мужья получают больше 50000 J4.8 если education-num > 11 и marital-status = Married-civ-spouse и age > 28,то >50K (49.0/8.0) SVM education= Some-college, 11th, 9th, 7th -8th, 1st -4th, 10th, 5th -6th <=50K education= Bachelors, Prof-school, Assoc-acdm, 12th, Masters, Doctorate >50K ID3 если образование = 11th и занятость = Exec-managerial и семейное положение = Married-civ-spouse, то >50K Здесь представлено сравнение правил полученых методом ID3 с правилами , полученными другими методами(после каждого правила ID3 указано в скобках, Какие Алгоритмы дали схожий результат, или хотя бы алгоритмы, чьи результаты не противоречат прямо данному правилу. Примечание: использ данные алгоритма ID3, т.к. он дает наибольшее количество правил (из тут рассмотренных алгоритмов), а следовательно сравнение с этим алгоритмом даст более подробный результат, чем с другими. если образование = Bachelors и семейное положение = Never-married и занятость = Exec-managerial и семейный статус = Own-child и workclass = Private, то >50K (NB, J4.8) если образование = Bachelors и семейное положение = Never-married и занятость = Exec-managerial и семейный статус = Own-child и workclass = Self-emp-inc, то <=50K если образование = Bachelors и семейное положение = Never-married и занятость = Exec-managerial и семейный статус = Not-in-family, то <=50K если образование = Bachelors и семейное положение = Never-married и занятость = Prof-specialty и sex = Female, то <=50K (NB) если образование = Bachelors и семейное положение = Never-married и занятость = Prof-specialty и sex = Male и семейный статус = Own-child или Other-relative, то <=50K (NB) если образование = Bachelors и семейное положение = Never-married и занятость = Prof-specialty и sex = Male и семейный статус = Not-in-family, то >50K (J4.8) если образование = Bachelors и семейное положение = Never-married и занятость = Adm-clerical или Protective-serv, то <=50K (NB) если образование = Bachelors и семейное положение = Separated или Widowed, то <=50K (NB) если образование = Some-college и семейный статус = Wife и занятость = Craft-repair или Other-service, то <=50K если образование = Some-college и семейный статус = Wife и занятость = Adm-clerical, то >50K (NB) если образование = Some-college и семейный статус = Own-child, то <=50K (NB) если образование = Some-college и семейный статус = Husband и занятость = Tech-support или Craft-repair, то <=50K если образование = Some-college и семейный статус = Husband и занятость = Other-service, то >50K (SVM) если образование = Some-college и семейный статус = Husband и занятость = Sales и раса = White или Amer-Indian-Eskimo, то <=50K если образование = Some-college и семейный статус = Husband и занятость = Sales и раса = Asian-Pac-Islander, то >50K (NB) если образование = Some-college и семейный статус = Husband и занятость = Exec-managerial и workclass = Self-emp-not-inc или Self-emp-inc или Local-gov, то >50K (NB) если образование = Some-college и семейный статус = Husband и занятость = Exec-managerial и workclass = State-gov, то <=50K если образование = Some-college и семейный статус = Husband и занятость = Prof-specialty или Handlers-cleaners или Machine-op-inspct или Adm-clerical, то <=50K если образование = Some-college и семейный статус = Husband и занятость = Transport-moving, то >50K (NB) если образование = Some-college и семейный статус = Husband и занятость = Protective-serv и workclass = Local-gov, то <=50K если образование = Some-college и семейный статус = Husband и занятость = Protective-serv и workclass = State-gov, то >50K (NB) если образование = Some-college и семейный статус = Not-in-family или Other-relative или Unmarried, то <=50K если образование = 11th и занятость = Craft-repair или Machine-op-inspct или Adm-clerical или Farming-fishing или Transport-moving, то <=50K (NB, J4.8) если образование = 11th и занятость = Exec-managerial и семейное положение = Married-civ-spouse, то >50K если образование = 11th и занятость = Exec-managerial и семейное положение = Divorced, то <=50K (J4.8) если образование = 11th и занятость = Prof-specialty, то >50K (NB) если образование = HS-grad и семейный статус = Wife и занятость = Other-service и workclass = Private, то <=50K если образование = HS-grad и семейный статус = Wife и занятость = Other-service и workclass = Local-gov, то >50K (NB, SVM) если образование = HS-grad и семейный статус = Wife и занятость = Sales или Machine-op-inspct, то <=50K (SVM) если образование = HS-grad и семейный статус = Wife и занятость = Adm-clerical, то >50K (NB, SVM) если образование = HS-grad и семейный статус = Own-child, то <=50K (NB, SVM) если образование = HS-grad и семейный статус = Husband и занятость = Tech-support или Other-service, то <=50K (NB, SVM) если образование = HS-grad и семейный статус = Husband и занятость = Craft-repair и workclass = Private или Self-emp-not-inc или Local-gov, то <=50K если образование = HS-grad и семейный статус = Husband и занятость = Craft-repair и workclass = Self-emp-inc, то >50K если образование = HS-grad и семейный статус = Husband и занятость = Sales и workclass = Private или Self-emp-inc или State-gov, то <=50K (NB, SVM) если образование = HS-grad и семейный статус = Husband и занятость = Exec-managerial или Handlers-cleaners, то <=50K (SVM) если образование = HS-grad и семейный статус = Husband и занятость = Machine-op-inspct и native-country = United-States и раса = White или Amer-Indian-Eskimo, то <=50K (NB, SVM) если образование = HS-grad и семейный статус = Husband и занятость = Machine-op-inspct и native-country = Italy, то >50K (NB) если образование = HS-grad и семейный статус = Husband и занятость = Adm-clerical и workclass = Private, то <=50K (NB) если образование = HS-grad и семейный статус = Husband и занятость = Adm-clerical и workclass = Federal-gov, то >50K (NB) если образование = HS-grad и семейный статус = Husband и занятость = Farming-fishing и workclass = Private, то <=50K (NB) если образование = HS-grad и семейный статус = Husband и занятость = Farming-fishing и workclass = Self-emp-not-inc и раса = White, то >50K если образование = HS-grad и семейный статус = Husband и занятость = Farming-fishing и workclass = Self-emp-not-inc и раса = Asian-Pac-Islander, то <=50K (NB) если образование = HS-grad и семейный статус = Husband и занятость = Transport-moving и workclass = Private или Local-gov, то <=50K (NB) если образование = HS-grad и семейный статус = Not-in-family или Other-relative или Unmarried, то <=50K (NB) если образование = Prof-school, то >50K (NB, SVM) если образование = Assoc-acdm и занятость = Sales или Prof-specialty или= Handlers-cleaners, то <=50K (NB) если образование = Assoc-acdm и занятость = Exec-managerial или Farming-fishing, то >50K (NB, SVM) если образование = Assoc-acdm и занятость = Adm-clerical и workclass = Private, то <=50K (NB) если образование = Assoc-acdm и занятость = Adm-clerical и workclass = Federal-gov, то >50K(NB, SVM) если образование = Assoc-voc и семейный статус = Wife или Own-child, то <=50K (SVM) если образование = Assoc-voc и семейный статус = Husband и workclass = Private, то >50K (NB) если образование = Assoc-voc и семейный статус = Husband и workclass = Federal-gov, то <=50K (NB) если образование = Assoc-voc и семейный статус = Not-in-family или Unmarried, то <=50K (NB, SVM) если образование = Assoc-voc и семейный статус = Unmarried, то <=50K (NB, SVM) если образование = 9th или 7th -8th или 1st -4th или 5th -6th то <=50K (NB, J4.8, SVM) если образование = 12th и занятость = Craft-repair, то <=50K (NB) если образование = 12th и занятость = Prof-specialty, то >50K (NB, J4.8, SVM) если образование = Masters и занятость = Tech-support, то <=50K (NB) если образование = Masters и занятость = Sales или Exec-managerial или Protective-serv, то >50K (NB, SVM) если образование = Masters и занятость = Prof-specialty и семейный статус = Wife или Own-child, то >50K (NB, SVM) если образование = Masters и занятость = Prof-specialty и семейный статус = Husband и workclass = Private или Self-emp-not-inc, то >50K (NB, SVM) если образование = Masters и занятость = Prof-specialty и семейный статус = Not-in-family или Unmarried, то <=50K (NB, SVM) если образование = 10th и workclass = Private или Local-gov, то <=50K (NB, J4.8, SVM) если образование = 10th и workclass = Self-emp-not-inc, то >50K (NB) если образование = Doctorate и workclass = Private и семейное положение = Married-civ-spouse, то >50K (NB, SVM) если образование = Doctorate и workclass = Private и семейное положение = Never-married, то <=50K (NB) если образование = Doctorate и workclass = Self-emp-not-inc или Local-gov, то <=50K (NB) если образование = Doctorate и workclass = Federal-gov, то >50K (NB, SVM) Т.к. у 1R и ID3 множества обрабатываемых данных не пересекаются(работают с разными фильтрами) то сравнивать их бессмысленно НАБОР ДАННЫХ datamining400-43 Москва 2008

Похожие:

	Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, data mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори		Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, data mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори
	Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, Data Mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори		Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, data mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори
	Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, data mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори		Отчет о лабораторной работе методы и средства анализа данных по теме:... «Лабораторная работа с системой анализа данных Weka. Сравнение методов классификации»
	Отчет о лабораторной работе методы и средства анализа данных по теме:... «Лабораторная работа с системой анализа данных Weka. Сравнение методов классификации»		Опыт применения методов интеллектуального анализа данных в компаративистских... В работе описываются предварительные результаты анализа данных из Базы данных “Языки мира” с применением методов DataMining и пакета...
	К методическим указаниям о порядке формирования и использования информационного... Средства анализа, консолидации и агрегации данных (технологии многомерного анализа (olap), технологии хранилища данных (Data Warehouse)...		Анализа данных-4: анализ издержки-выгод Методы анализа данных-4: анализ издержки-выгоды, анализ издержки-эффективность (17 ноября 2005)1
	Программа дисциплины Qualitative and Quantitative Methods of Data... Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов направления подготовки/ специальности...		Отделение статистики, анализа данных и демографии статистические... Методические рекомендации в помощь преподавателю: издание гаоу спо «Уфимский топливно – энергетический колледж». – Уфа, 2012г
	Программа по формированию навыков безопасного поведения на дорогах... Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов направления подготовки/специальности...		Методические рекомендации по изучению дисциплины «Анализ данных в... «Анализ данных в социологии»: познакомился с основными направлениями анализа данных в социологии, осуществляемых с помощью математических...
	Урок по информатике по теме "Системы управления базами данных. Создание... Повторить понятие “База данных”, “поле базы данных”, “запись базы данных”, “субд”		Отчет о работе по теме: «Проведение подготовительных работ по созданию... Музеный фонд, музейное дело, банк данных, сохранные изображения, экспонат, информационные технологии, цифровой контент