Dokument in seperatem Fenster öffnen.

FH-Mannheim
Studiengang Informatik SS2005
KDM
Prof. Dr. A. Schmücker-Schend
Ausarbeitung
Übungsblatt 3
Abgabe bis zum 02.06.2005
Vorname Nachname Matrikelnummer Unterschrift
Abel
Vázquez
0210314
Uli
Ruffler
0211288
1
Aufgabe 1
Im Gegensatz zum ID3 Algorithmus bietet der J.48 die Möglichkeit nominale Werte zu verarbeiten. Dies wird erreicht, indem die
numerischen Werte so in zwei Teile geteilt werden, dass der maximale Informationsgewinn erzielt wird (BinC45Split.java: private
void handleNumericAttribute).
Außerdem kann der J.48 Algorithmus im Gegensatz zu ID3
mit fehlenden Attributwerten umgehen. Es wird dann die entsprechende Instanz im gleichen Verhältnis wie die Instanzmenge
in die verschiedenen Zweige verteilt (Distribution.java: public final void addInstWithUnknown).
Eine weitere Erweiterung des J.48 ist das Postpruning. Es wird
der Baum, nach dem er komplett erstellt wurde wieder beschnitten. Es gibt zwei verschiedene Arten des Prunings im J.48, das
Subtree-Replacement (PruneableClassifierTree.java: public void
prune()) und das Subtree-Raising (C45PruneableClassifierTree
.java: public void prune()). Beim Subtree-Replacement werden
Unterbäume durch Blattknoten ersetzt. Beim Subtree-Raising werden übergeordnete Teilbäume durch untergeordnete Teilbäume
ersetzt. Um zu entscheiden ob gepruned werden soll oder nicht,
wird die entstehende Fehlerrate abgeschätzt.
2
Aufgabe 2a)
• if
then T—
3
20
– textilien=wenig —
0
10
– textilien=mittel —
1
4
– textilien=viel —
2
6
– geschenkartikel=wenig —
3
8
– geschenkartikel=mittel —
0
5
– geschenkartikel=viel —
0
7
1
8
– durchschnittspreis=niedrig —
– durchschnittspreis=mittel —
– durchschnittspreis=hoch —
2
6
0
6
• if geschenkartikel=wenig then T—
– textilien=wenig —
0
2
– textilien=mittel —
1
3
– textilien=viel —
3
8
2
3
1
4
– durchschnittspreis=niedrig —
– durchschnittspreis=mittel —
– durchschnittspreis=hoch —
2
2
0
2
• if geschenkartikel=wenig && durchschnittspreis=mittel then
T—
• if
2
2
then T—
1
18
– textilien=wenig —
0
10
– textilien=mittel —
0
3
– textilien=viel —
1
5
– geschenkartikel=wenig —
3
1
6
– geschenkartikel=mittel —
0
5
– geschenkartikel=wenig —
0
7
1
8
– durchschnittspreis=niedrig —
– durchschnittspreis=mittel —
– durchschnittspreis=hoch —
• if textilien=viel then T—
0
4
0
6
1
5
– geschenkartikel=wenig —
1
2
– geschenkartikel=mittel —
0
1
– geschenkartikel=viel —
0
2
1
2
– durchschnittspreis=niedrig —
– durchschnittspreis=mittel —
– durchschnittspreis=hoch —
0
1
0
2
• if textilien=viel && geschenkartikel=wenig then T—
1
1
– durchschnittspreis=niedrig —
– durchschnittspreis=mittel —
– durchschnittspreis=hoch —
1
2
0
0
0
1
• if textilien=viel && geschenkartikel=wenig && durchschnittspreis=niedrig then T—
1
1
4
Aufgabe 2b)
=== Run information ===
Scheme:
weka.classifiers.rules.Prism
Relation:
daten_aufgabe1
Instances:
20
Attributes:
4
Textilien
Geschenkartikel
Durchschnittspreis
Klasse
Test mode:
evaluate on training data
=== Classifier model (full training set) ===
Prism rules
---------If Geschenkartikel = wenig
and Durchschnittspreis = mittel then T
If Textilien = viel
and Geschenkartikel = wenig
and Durchschnittspreis = niedrig then T
If Durchschnittspreis = niedrig
and Textilien = mittel then N
If Durchschnittspreis = niedrig
and Textilien = wenig
and Geschenkartikel = mittel then N
If Durchschnittspreis = niedrig
and Textilien = wenig
5
and Geschenkartikel = wenig then N
If Geschenkartikel = viel
and Durchschnittspreis = niedrig then G
If Geschenkartikel = viel
and Textilien = wenig
and Durchschnittspreis = mittel then G
If Durchschnittspreis = hoch then TG
If Textilien = viel
and Geschenkartikel = mittel then TG
If Geschenkartikel = viel
and Textilien = mittel then TG
If Textilien = viel
and Geschenkartikel = viel then TG
Time taken to build model: 0.01 seconds
=== Evaluation on training set ===
=== Summary ===
Correctly Classified Instances
20
100
%
Incorrectly Classified Instances
0
0
%
Kappa statistic
1
Mean absolute error
0
Root mean squared error
0
Relative absolute error
0
%
Root relative squared error
0
%
Total Number of Instances
20
=== Detailed Accuracy By Class ===
6
TP Rate
FP Rate
Precision
Recall
F-Measure
Class
1
0
1
1
1
T
1
0
1
1
1
N
1
0
1
1
1
G
1
0
1
1
1
TG
=== Confusion Matrix ===
a b c d
<-- classified as
3 0 0 0 | a = T
0 5 0 0 | b = N
0 0 3 0 | c = G
0 0 0 9 | d = TG
7