ED-4.2-m07-1.0-Slajd6
Trening i testowanie (2)
Mamy wiele różnych sposobów reprezentacji modelu uczącego dla klasyfikacji i predykcji, i dla każdego istnieją dedykowane techniki, które mogą być użyte do wnioskowania wyjściowej struktury z danych. Zazwyczaj, w klasyfikacji, model uczący (klasyfikator) jest przedstawiany w postaci drzewa decyzyjnego, tabeli decyzyjnej, lub reguł klasyfikacyjnych postaci IF - THEN.
Istotną sprawą z punktu widzenia poprawności i efektywności modelu jest tzw. dokładność modelu. Dokładność modelu weryfikowana jest w następujący sposób: dla przykładów testowych, dla których znane są wartości atrybutu decyzyjnego, wartości te są porównywane z wartościami atrybutu decyzyjnego generowanymi dla tych przykładów przez klasyfikator. Miarą, która weryfikuje poprawność modelu jest współczynnik dokładności. Współczynnik dokładności modelu jest liczony jako procent przykładów testowych poprawnie zaklasyfikowanych przez model. Jeśli dokładność modelu jest akceptowalna, model może być użyty do klasyfikacji przyszłych danych i przewidywania wartości nowych krotek, dla których wartość atrybutu decyzyjnego jest nieznana.
