Difference between revisions of "Orange: Misclassifications"

From OnnoWiki
Jump to navigation Jump to search
Line 1: Line 1:
−
Cross-validation of, say, logistic regression can expose the data instances which were misclassified. There are six such instances for iris dataset and ridge-regularized logistic regression. We can select different types of misclassification in Confusion Matrix and highlight them in the Scatter Plot. No surprise: the misclassified instances are close to the class-bordering regions in the scatter plot projection.
+
Cross-validation dari, misalnya, logistic regression dapat mengekspos instance data yang salah klasifikasi. Ada enam contoh untuk dataset iris dan ridge-regularized logistic regression. Kita dapat memilih berbagai jenis kesalahan klasifikasi dalam Confusion Matrix dan menyorotnya dalam Scatter Plot. Tidak mengherankan: contoh kesalahan klasifikasi dekat dengan daerah yang berbatasan dengan kelas dalam scatter plot projection.
  
 
[[File:Misclassifications.png|center|200px|thumb]]
 
[[File:Misclassifications.png|center|200px|thumb]]

Revision as of 06:32, 8 January 2020

Cross-validation dari, misalnya, logistic regression dapat mengekspos instance data yang salah klasifikasi. Ada enam contoh untuk dataset iris dan ridge-regularized logistic regression. Kita dapat memilih berbagai jenis kesalahan klasifikasi dalam Confusion Matrix dan menyorotnya dalam Scatter Plot. Tidak mengherankan: contoh kesalahan klasifikasi dekat dengan daerah yang berbatasan dengan kelas dalam scatter plot projection.

Misclassifications.png


Source

Pranala Menarik

Retrieved from "https://onnocenter.or.id/wiki/index.php?title=Orange:_Misclassifications&oldid=58181"