Daten

Kategorische Daten

Titanic Unglück - Passgierdaten

DATA: Variable State.dataTI01 Type: {pclass, survived, name, sex, age, sibsp, parch, ticket, fare, cabin, embarked, boat, body, home.dest} []

X: { class,name,sex,age,sibsp,parch,ticket,fare,cabin,embarked,boat,body } Y: { survival } "This is a classic dataset used in many data mining tutorials and demos -- perfect for getting started with exploratory analysis and building binary classification models to predict survival." Data covers passengers only, not crew. Features survival - Survival (0 = No; 1 = Yes) class - Passenger Class (1 = 1st; 2 = 2nd; 3 = 3rd) name - Name sex - Sex age - Age sibsp - Number of Siblings/Spouses Aboard parch - Number of Parents/Children Aboard ticket - Ticket Number fare - Passenger Fare cabin - Cabin embarked - Port of Embarkation (C = Cherbourg; Q = Queenstown; S = Southampton) boat - Lifeboat (if survived) body - Body number (if did not survive and body was recovered) Instances: 1309 (one instance per passenger)

X,Y=Klasse={N,P}

▸

✗

≡

Vorbermerkung

Ein ID3 Klassifikator

Nachfolgend wird gezeigt wie auf einfachen kategorischen Daten ein einfacher Klassifikator algorithmisch durch Tarining erzeugt werden kann.

Datenteilung

Ein C4.5 Klassifikator

Datenteilung

Aufgaben

Benutze D=this.data.

Teile den Datensatz in Trainings- und Testdaten. Wähle eine geeignete Verteilung. Wiedehole die Parititionierung ggfs. wenn 2./3./4. keine guten Ergebnisse liefern.
Mit dem C45 Algorithmus soll ein Modell trainiert werde. Bestimme die Trainingszeit (mit der time() Funktion, gibt Zeit in ms zurück).
Test Ergebnisse und bestimmte die Fehlerrate für die Trainings- und Testdaten
Wähle geeignete Features (reduzierter Satz) aus um die bestmögliche Klassifikation zu erzielen (also Fehler Trainign und Test)

Eine Kodierung von numerischen Werten ist nicht erforderlich!
Im folgenden Eingabefeld die Ergebnisse zusammentragen (geeignete Features, verschiedene Versuche, Fehler, Rechenzeit für das Training, Inferenzzeit beim Test):

Datenteilung

var data   = this.data;
// ML.split, siehe oben
this.test1  = ..;
this.train1 = ..;

▸

✗

≡

C45 Modell und Training

// this.train1 verwenden, siehe oben
this.modelX=.. // TODO

▸

✗

≡

C45 Test

// this.modelX, this.train1 und this.test1 verwenden, siehe oben

▸

✗

≡

C4.5 Modell: Die Baumstruktur von this.modelX

var g = Graph();
var root = this.modelX.model;
var connects = [],id=0;
function iter(node,parent,edge) {
  var i=id++;
  // console.log(node);
  if (node.type=='feature_category') {
    g.setNode(node.name+i, {label:node.name,shape:'circle'});
    node.values.forEach(function (val) {
      iter(val.child,node.name+i,'='+val.name);
    })
  } else if (node.type=='feature_number') {
    g.setNode(node.name+i, {label:node.name,shape:'circle'});
    node.values.forEach(function (val,index) {
      iter(val.child,node.name+i,(index==0?'>':'≤')+node.cut);
    })
  } else if (node.type=='result') {
    g.setNode(node.name+i,{label:node.name});
  }
  if (parent && edge) {
    connects.push({from:parent,to:node.name+i,label:edge});
  }

}
iter(root);
console.log('graph nodes:',id);
connects.forEach(function (c) { g.setEdge(c.from, c.to, {lineInterpolate: 'basis', label:c.label}) });
g.render();

▸		✗

Klassifikation mit Entscheidungsbäumen und ID3/C4.5 Algorithmen

Daten

Kategorische Daten

Titanic Unglück - Passgierdaten

Vorbermerkung

Ein ID3 Klassifikator

Datenteilung

Ein C4.5 Klassifikator

Datenteilung

Aufgaben