本文通过500个测试用户的六项指标数据，利用决策树算法进行积极与消极标签分类。结果显示，在预测精度方面，消极标签达到88.46%，积极标签为88.35%；而在分类回召率方面，消极标签达到了86.97%，积极标签为89.69%。尽管数据不平衡，但整体分类效果良好。
小数据人体体重研究，500个测试用户，6个指标，分为积极（正）和消极（负）两个标签。
决策树分类结果：
结果分析：
在预测为消极的全部234名用户中，有207名确实为消极，预测精度为88.46%，预测为积极的预测精度为88.35%。
而实际为消极的238名用户中，分类回召率达到86.97%，实际为积极的262名用户中，分类回召率为89.69%。
进行数据分析时，一定要注意到数据并不平衡，关心的角度不同，关心的数据评价不同。从结果上来看还是不错的。
我们希望正确率和召回率都接近1，二者实际上是矛盾的。可以用F值评价更加全面。 F = 2*P*R/(P+R)
扫一扫
673
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
