Medidas de Performance

• Ejemplo: detector despam. Clase = {mail, spam}

• Matriz de confusión

–100 datos de test: 50 spam y 50 mails.

Valor realtp= true positivefp= false positive

Valortn= true negativepredichofn= false negative

• Accuracy(% de aciertos) = (tp + tn) / total = 0.85

• Precisión= tp / (tp + fp) = 45 / (45 + 10)= 0.82

• Recall= tp / (tp + fn) = 45 / (45 + 5)= 0.90

• _F-_measure= (2 · precision · recall) / (precision + recall) = 0.86

Experimentación con Clasificadores en Weka

• Algunos clasificadores para probar:

• • weka.classifiers.trees.J48(Arboles de decisión: C4.5)

  • weka.classifiers.bayes.NaiveBayes

  • weka.classifiers.rules.JRip(Aprendizaje de reglas: Ripper)

  • weka.classifiers.functions.SMO(Support Vector Machines)

• 1) Transforma los datos a un espacio de dimensión superior.

• 2) Clasifica los datos mediante un hiperplano en esa dimensión.

• Entrenamiento muy costoso. Muy buenos resultados.

• http://www.youtube.com/watch?v=3liCbRZPrZA●Usarcross-validation: 5 fold, 10 fold.