Difference between revisions of "Orange: Misclassifications"

From OnnoWiki
Jump to navigation Jump to search
Line 1: Line 1:
 +
Sumber: https://orange.biolab.si/workflows/
 +
 
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.
 
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.
  
Line 7: Line 9:
  
 
* https://service.biolab.si/download/workflow?name=470-misclassification-scatterplot.ows&domain=orange
 
* https://service.biolab.si/download/workflow?name=470-misclassification-scatterplot.ows&domain=orange
 +
 +
==Referensi==
 +
 +
* https://orange.biolab.si/workflows/
  
 
==Pranala Menarik==
 
==Pranala Menarik==
  
 
* [[Orange]]
 
* [[Orange]]

Revision as of 06:33, 8 January 2020

Sumber: https://orange.biolab.si/workflows/

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

Referensi

Pranala Menarik