Orange: Misclassifications: Difference between revisions

From OnnoCenterWiki
Jump to navigationJump to search
Onnowpurbo (talk | contribs)
No edit summary
Onnowpurbo (talk | contribs)
No edit summary
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 23:33, 7 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.


Source

Referensi

Pranala Menarik