Практическая по RapidMiner. Использованные фильтры kMeans

• Название: Использованные фильтры kMeans
• Анкор: RapedMiner
• Дата: 09.09.2021
• Размер: 0.67 Mb.
• Имя файла: Практическая по RapidMiner.docx
• Тип: Документы; #230824

Предполагается 5 кластеров.

Использованные фильтры

k-Means

Кластер	Название файлов, которые должны были попасть	Название файлов, которые попали	Кол-во правильно попавших текстов, TP	Кол-во не попавших текстов, FN	Кол-во неправильно попавших текстов, FP
0	1,2,3,4	11,14	0	4	2
1	5,6,7,8	5,6,7,8,16,17,18,19	4	0	4
2	9,10,11,12	1,12,15	1	3	2
3	13,14,15,16	2,3,4,20	0	4	4
4	17,18,19,20	9,10,13	0	4	3

TP: 5

FP: 15

FN: 15

Precision = 5 / (5 + 15) = 0.25

Recall = 5 / (5 + 15) = 0.25

F = 2* ((0.25 * 0.25) / (0.25+0.25)) = 2*(0.0625/0.5) = 0.25

Random Clustering

Кластер	Название файлов, которые должны были попасть	Название файлов, которые попали	Кол-во правильно попавших текстов, TP	Кол-во не попавших текстов, FN	Кол-во неправильно попавших текстов, FP
0	1,2,3,4	1,12	1	3	1
1	5,6,7,8	5,13,15,16,17,18,19	1	3	6
2	9,10,11,12	2,3,4,9,14	1	3	4
3	13,14,15,16	8,11,20	0	4	3
4	17,18,19,20	6,7,10	0	4	3

TP: 3

FP: 17

FN: 17

Precision = 3 / (3 + 17) = 0.15

Recall = 3 / (3 + 17) = 0.15

F = 2* ((0.15 * 0.15) / (0.15+0.15)) = 2*(0.0225/0.3) = 0.15

Вывод:

Были использованы следующие алгоритмы: k-Means и random clustering. Оба алгоритма вынуждают указывать количество кластеров, т.е их нужно знать заранее.

k-Means для каждого кластера на каждой итерации вычисляет центр масс заново, затем идёт разбиение на новые кластеры в соответствии с тем, какой центром оказался ближе к выбранной метрике. Когда не происходит изменения кластеров, то алгоритм завершает свою работу.

Random clustering перебирает все тексты и случайно присваивает им кластер. В связи с этим алгоритм k-Means работает лучше.