Resultados de Pesquisa 4

De LCAD
Ir para: navegação, pesquisa

Train Test Vectors (TTVs)

TTV_C1S_DESC

A ser editado!

TTV_DVS1_OBJS

A ser editado!

Legenda dos Termos das Tabelas

PT

Denota a função para o cálculo dos pesos dos termos, que podem ser computados como a freqüência dos termos (term frequency (TF)) ou como a freqüência dos termos multiplicada pela freqüência inversa nos documentos (inverse document frequency (TFIDF)).

CGD

Denota as classes gramaticais desconsideradas no lexicon.

PFS

Denota a freqüência acima da qual a palavra não é incluída no lexicon.

SYNAPSES

A ser editado!

SIGMA

Valor da variância da Gaussiana das funções de transferências do PNN.

NL_WIDTH

A ser editado!

NL_HEIGHT

A ser editado!

Resultados dos Experimentos com o MLKNN, PNN, VS, WNN, WNN_COR, BN

Tabela 1.1.1

Cores: MLKNN, PNN, WNN, WNN_COR e BN Função para o cálculo dos pesos dos termos (PT): TFIDF PFS: 20000
Dicionário: DICIONARIO_COMPLETO_CORRIGIDO CGD: "prep."
Folds: 10 Número de documentos de teste por fold: 691 (o último fold possui 692) documentos
Tamanho médio do Lexicon: 3609,8 (desvio padrão de 21,17)
Construções das tabelas:
  • Linhas: build_tables_subclasse_110_vbhex100_corrigido_tfidf_F(1-10).bat
  • Nome da base: EX100
  • Nível de treinamento: subclasse
  • Validação: usado o fold 10 para calibração
  • Teste: usados 9 folds para treino e um fold para teste. Total de 10 testes foram executados para cada classificador


Configurações dos Cores:
  • PNN:
    • SIGMA: 0,35
  • ML-KNN:
    • k: 100
  • WNN:
    • NL_WIDTH: 32
    • NL_HEIGHT: 32
    • SYNAPSES: 1024
  • WNN_COR:
    • NL_WIDTH: 32
    • NL_HEIGHT: 32
    • SYNAPSES: 512
Métricas Média Desvio Padrão
COREs COREs
MLKNN PNN VS WNN WNN_COR BN Total geral MLKNN PNN VS WNN WNN_COR BN Total geral
one_error 0,30820 0,25713 0,41065 0,22066 0,21473 0,22673 0,27302 0,02410 0,02989 0,01653 0,01426 0,01839 0,01764 0,07255
ranking_loss 0,01879 0,06655 0,02530 0,01969 0,01737 0,04202 0,03162 0,00224 0,06198 0,00287 0,00266 0,00261 0,07719 0,04263
coverage 3,14898 10,28191 4,00725 3,46290 3,00230 2,70097 4,43405 0,33080 9,25491 0,32829 0,34603 0,34358 0,99799 4,51779
average_precision_d 0,76963 0,79071 0,71072 0,82556 0,82785 0,73994 0,77740 0,01435 0,03184 0,01250 0,01030 0,01216 0,25472 0,10956
r_precision_d 0,65988 0,69865 0,64044 0,74660 0,74804 0,94165 0,73921 0,02038 0,04132 0,01534 0,01351 0,01587 0,64259 0,27089
hamming_loss 0,00959 0,00875 0,01127 0,00748 0,00740 0,28397 0,05474 0,00059 0,00116 0,00054 0,00047 0,00047 0,87358 0,35651
r_hamming_loss 0,68080 0,60285 0,78784 0,50798 0,50639 0,55106 0,60615 0,04090 0,08246 0,03578 0,02720 0,03214 0,09192 0,11586
exact_match 0,55593 0,59817 0,48778 0,65736 0,65591 0,66324 0,60307 0,02248 0,05455 0,02309 0,01651 0,01850 0,05191 0,07306
micro_precision 0,66795 0,69776 0,59443 0,74063 0,74271 0,73083 0,69572 0,01789 0,03856 0,01453 0,01345 0,01428 0,01139 0,05640
micro_recall 0,67045 0,69783 0,69674 0,74382 0,74817 0,73076 0,71463 0,01873 0,03864 0,01163 0,01387 0,01423 0,01131 0,03455
macro_precision_d 0,65988 0,69865 0,64044 0,74660 0,74804 0,66549 0,69318 0,02038 0,04132 0,01534 0,01351 0,01587 0,23108 0,10178
macro_recall_d 0,66189 0,69865 0,70704 0,74797 0,75035 0,66549 0,70523 0,02103 0,04132 0,01316 0,01373 0,01588 0,23108 0,09907
macro_precision_c 0,66185 0,66540 0,60152 0,73439 0,73459 0,70879 0,68442 0,01649 0,07129 0,01318 0,01342 0,01451 0,04670 0,05915
macro_recall_c 0,67346 0,70228 0,69813 0,74676 0,75014 0,71847 0,71487 0,01301 0,03625 0,00885 0,01094 0,00902 0,04971 0,03737
micro_f_1 0,66920 0,69780 0,64151 0,74222 0,74543 0,72172 0,70298 0,01831 0,03860 0,01314 0,01365 0,01424 0,03685 0,04512
macro_f_1_d 0,66058 0,69865 0,66293 0,74712 0,74892 0,72663 0,70747 0,02061 0,04132 0,01426 0,01359 0,01588 0,03913 0,04470
macro_f_1_c 0,65099 0,66439 0,63257 0,72333 0,72580 0,71253 0,68493 0,01331 0,05514 0,01102 0,01102 0,01131 0,00833 0,04418