javaraml

Random seed 는 more option 버튼을 클릭해서 설정합니다.
supplied test set 은 테스트세트와 훈련데이터가 분리된 경우이고, basic 이란 것은 검증방법에 없는 용어입니다.
Cross-Validataion 은 맞게 쓴것 같구요..
Holdout 은 한국어로 분할검증입니다. percentage split 맞습니다.

이게 맞는지 한번 확인 부탁드려요!

smllepmg 님의 질문속 회귀방정식은 1차원 단순회귀 선형식입니다.
종속변수(Y) 가 단 1개의 독립변수(X) 에 의해서만 결정되는 경우입니다.

삽입된 이미지의 회귀분석은 다중회귀 선형식으로&nbsp;
종속변수(Y) 가 2개 이상의 독립변수(Xn)들 에 의해서만 결정되는 경우입니다.

참고로 다항회귀식은 X^n 의 독립변수가 제곱형태로 선형이 아닌 곡선형태로 나타내는 경우입니다.

단순회귀식, 다중회귀식, 다항회귀식 .. 이름이 비슷비슷해서 많이 해깔리죠..
저도 그렇습니다.

다만, 식이 어떤 이름을 갖느냐 보다는
종속변수(Y) 를 결정하는 독립변수(Xn) 의 개수가 몇개인지?
선형이 아닌 곡선의 형태로 종속변수(Y) 를 결정하는지를 알아야 합니다.

이런 회귀식유형은 weka에서 결정하지 않습니다.
smllepmg 님께서 실전에서 많은 시행착오를 겪으면서 채득해야할 의사결정사항입니다.

회귀분석

<a href="https://blog.naver.com/bulleten/221619196531" target="_blank" rel="noopener noreferrer">https://blog.naver.com/bulleten/221619196531</a>
중간에 설명을 참고하십시요.

minBuckerSize

농사를 비유로 쉽게 설명드리면, 밭에서 씨를 뿌릴때 무작위로 흩어뿌리는 경우가 있어요.

씨앗 무작위 흩어뿌림을 많이 할 수록 씨앗은 땅에 고루 안착되고 경작율은 높아집니다.

마찮가지로 데이터를 무작위로 뽑아내는 횟수 (seed) 를 증가시킴으로써 대표성을 높인다고 보면 됩니다.

Seed의 구체적인 설명이 있으면 좋겠습니다

분할검증 때문에 정분류율이 떨어졌다고 생각하면 안됩니다.
데이터세트의 데이터 분포에 따라 분할검증의 정분류율이 높아질 수도, 교차검증이 높아 질수 있습니다.&nbsp;
다양한 데이터세트로 다양한 검증할 때 어떤 상황이 더 좋은지는 실험을 해야 알수 있습니다.

데이터 분할해서 모델링

용준님 안녕하세요. 답변이 도움이 되셨다면 좋은 수강평과 하트 클릭 부탁드립니다&nbsp;

알고리즘 예측확률

강의에 특징(속성)선택 동영상을 참조해주세요.
질문하신 내용이 포함됩니다.
특징선택도 알고리즘이 많으니 여러개를 조합해서 선택하시는 것을 추천드립니다.

안녕하세요.
질문주신 내용을 답변드리면서 보완할 수 있는 아이디어가 생각나서
관련내용을 동영상으로 업로드 하였습니다.
섹션 8 번외편에 Experimenter 시각화 제목으로 올려놨습니다.
<img src="https://cdn.inflearn.com/public/comments/82dd67bf-82bb-463c-aec3-e763ed4bb82e/blob" alt="" width="800" />
앞으로도 좋은 질문에서 영감을 얻은 아이디어나 다른매체의 좋은 내용은
선별해서 번외편으로 동영상으로 제작하여 강의에 추가하겠습니다.

Experimenter 로 비교검정된 수치정보를 weka 에서 시각화 할 수 없는지 문의하셨습니다.

Weka 는 약한 시각화 기능을 보완하기 위해 R 과 Python 을 plugin 을 제공하여
Weka 에서 R 과 Python 연동을 지원합니다만,
결국 확률밀도함수와 같은 그래프 시각화는 R 과 Python&nbsp;코딩작업을 해야 합니다.

만약 R 과 Python 에서 분석하시고자 코딩을 위해 비교검정 데이터를 받으시고 싶다면
아래 2가지 방법을 참조하십시요.
첫번째는&nbsp;Experimeter 의 시작인 "Setup" 패널에서 "Result Destination" 에
물리적인 파일명을 설정하면 비교검정 결과를 arff 나 csv 파일로 받을 수 있습니다&nbsp;
두번째는 Experimeter의 결과인 "Analyse" 패널에서&nbsp;"Open Explorer" 을 클릭하면
weka Exlplorer 의 전처리 패널로 이동하면서 비교검정 결과를 raw data 로 확인할 수 있고&nbsp;
"save" 를 클릭하여 arff 나 csv 파일로 받을 수 있습니다&nbsp;

감사합니다.

질문 주셔서 감사합니다.
1. 70~80% 예측률 향상
어떤 경우에 어떤 알고리즘이 적합하다고 하는 것은 선입견 입니다.
따라서 질병예측에 적합한 알고리즘을 미리 정하지 마시고 Experimenter 로 다양한 알고리즘을 비교검정 해보십시요.
강의내용에 Experimenter 사용법을 참고해 주세요.

2. 적은양의 데이터 과적합 우려
데이터 건수가 적은 것은 3가지 보완책이 있습니다.
다만 이들은 이론적인 대안 일뿐입니다.
첫째, 가능한한 더 많은 데이터 확보
둘째, 분할검증이 아닌 10 이상 교차검증 실시
세째, 독립변수 데이터 형태가 수치형이면 표준화와 정규화 필터링후 학습 후 Experimenter 로 비교검정

굉장히 이론적인 답변이죠?
데이터 건수가 적은 것은 대표성을 나타내기 어렵기 때문에 더 많은 데이터 확보가 답입니다.
그러나 어디 현실이 그런가요?
따라서 교차검증 및 표준화/정규화 필터링이 약간의 대안은 될수 있습니다.

일단 실행해 보시죠.
그러면 의외의 결과를 얻을 수 있습니다.

감사합니다.

javaraml

投稿