Նկարագրություն
Այս նախագիծում մենք օգտագործել ենք Decision Tree ալգորիթմը՝ Iris ծաղիկների տեսակները
դասակարգելու համար: Մոդելը վերլուծում է 4 հատկանիշներ (sepal length, sepal width, petal length, petal width)
և կանխատեսում է ծաղկի տեսակը՝ 3 կատեգորիաներից (Setosa, Versicolor, Virginica):
Նախագիծը ցուցադրում է մեքենայական ուսուցման ամբողջ ցիկլը՝ տվյալների նախապատրաստումից մինչև մոդելի
գնահատում և վիզուալիզացիա: Ստացվել է 93.3% ճշգրտություն թեստային տվյալների վրա:
Փորձարկեք Մոդելը
Սեղմեք ստորև՝ Google Colab-ում բացելու և փորձարկելու մոդելը իրական տվյալների վրա:
Բացել Google Colab-ումՎիզուալիզացիաներ և Գրաֆիկներ
Confusion Matrix
Մոդելի կանխատեսումների ճշգրտության մատրիցա բոլոր 3 դասերի համար
Decision Tree Structure
Որոշումների ծառի ամբողջական կառուցվածքը 3 մակարդակներով
Feature Importance
Յուրաքանչյուր հատկանիշի կարևորությունը դասակարգման մեջ
Classification Report
Precision, Recall և F1-Score բոլոր դասերի համար
ROC Curves
ROC կորեր և AUC-ներ բոլոր 3 դասերի համար
Feature Distributions
Հատկանիշների բաշխումը յուրաքանչյուր տեսակի համար
Արդյունավետության Ցուցանիշներ
93.33%
Ճշգրտություն
93.45%
Precision
93.33%
Recall
93.33%
F1 Score
0.96
Cross-Validation Score
0.05
CV Std Deviation
3.00
Tree Depth
5.00
Number of Leaves
105.00
Training Samples
45.00
Test Samples