|
분류율의 통합비교
세 모형의 오분류율을 통합하여 비교해 보았다. 로지스틱 모형은 잘못 분류된 비율이 23.0%, 신경망의 경우 29.3%, 나무형 분류 모형의 경우 25.6% 였다. 이로 보았을 때 오분류율이 상대적으로 적은 로지스틱 모형이 낫다고 판
|
- 페이지 14페이지
- 가격 2,000원
- 등록일 2006.05.16
- 파일종류 한글(hwp)
- 참고문헌 없음
- 최근 2주 판매 이력 없음
|
|
다.
6. SAS Enterprise Miner Method
SAS E-Miner 로 로지스틱 회귀분석과 의사결정나무에 적용시켜보았다. 함평나비축제의 Data를 Data Partition으로 Train 표본을 70%, Testing 표본을 30%로 하여 선택되는 변수와 오분류율을 살펴보았다.
1) SAS Enterprise Miner Streaming
|
- 페이지 60페이지
- 가격 3,000원
- 등록일 2004.11.17
- 파일종류 한글(hwp)
- 참고문헌 있음
- 최근 2주 판매 이력 없음
|
|
타이태닉 데이터에 나무모형을 적합하시오. 이러한 결과를 통해 로지스틱 회귀모형과 나무모형의 특징을 간단하게 비교해 보시오. (6점)
3장 연구과제 2번의 (1)~(3) (6점)
3장 연구과제 3번 (6점)
4장 연구과제 2번 (3점)
4장 연구과제 4번 (6점)
|
- 페이지 21페이지
- 가격 6,000원
- 등록일 2020.03.26
- 파일종류 한글(hwp)
- 참고문헌 있음
- 최근 2주 판매 이력 없음
|
|
분류의사결정나무를 생성하고, 두 자식노드에서 관찰치들의 집단별 빈도를 밝히시오.
(4) 위에서 생성된 분류의사결정나무(한 번만 분할)의 불순도 감소분을 계산하시오.
4. 배깅, 부스팅, 랜덤포레스트 중에서 극단값에 더 예민하게 반응
|
- 페이지 16페이지
- 가격 2,000원
- 등록일 2022.11.22
- 파일종류 한글(hwp)
- 참고문헌 없음
- 최근 2주 판매 이력 없음
|
|
분류되었고, 찬성에 소속된 11명중 8명이 제대로 분류되었음을 의미한다. 전체 분류 정확도는 80.0%으로 나타났다.
(4) 제 변수들의 대운하 찬/반에 대한 적합 검정
실제로 독립변수들을 모두 진입시켜 이분형 로지스틱 회귀분석을 실시하였다.
|
- 페이지 16페이지
- 가격 2,000원
- 등록일 2015.01.03
- 파일종류 한글(hwp)
- 참고문헌 없음
- 최근 2주 판매 이력 없음
|