计算 ID3 树的性能

Question

对于一项作业，我必须使用随训练数据提供的数据计算 ID3 树的性能，解释为什么使用训练数据这样做不好，并找到一种方法来计算不使用训练数据的性能。

the proccess on rapidminer

这样我得到了 100% 的性能，我认为这是错误的。即使不是，我也不知道从这里去哪里。有什么帮助吗？

Answer 1

您的问题是，您使用相同的数据进行训练和测试。
您想要将数据拆分为训练和测试数据集。然后，您在训练集上训练您的 ID§ 树，并将该树应用于测试集并计算该结果的性能。

执行此操作的最简单方法是 Split Data 运算符，您可以在其中设置拆分的比率（通常为 0.7 用于训练，0.3 用于测试）。验证模型性能的更稳健的方法是使用交叉验证。

这里也是流程 XML 文件，只需将其复制并粘贴到您的 RapidMiner 流程​​视图中即可：

<?xml version="1.0" encoding="UTF-8"?><process version="8.2.000">
<context>
<input/>
<output/>
<macros/>
</context>
<operator activated="true" class="process" compatibility="8.2.000" expanded="true" name="Process">
<process expanded="true">
  <operator activated="true" class="retrieve" compatibility="8.2.000" expanded="true" height="68" name="Retrieve Sonar" width="90" x="45" y="85">
    <parameter key="repository_entry" value="//Samples/data/Sonar"/>
  </operator>
  <operator activated="true" class="numerical_to_polynominal" compatibility="8.2.000" expanded="true" height="82" name="Numerical to Polynominal" width="90" x="179" y="85">
    <parameter key="include_special_attributes" value="true"/>
  </operator>
  <operator activated="true" class="split_data" compatibility="8.2.000" expanded="true" height="103" name="Split Data" width="90" x="380" y="85">
    <enumeration key="partitions">
      <parameter key="ratio" value="0.7"/>
      <parameter key="ratio" value="0.3"/>
    </enumeration>
    <parameter key="sampling_type" value="shuffled sampling"/>
  </operator>
  <operator activated="true" class="id3" compatibility="8.2.000" expanded="true" height="82" name="ID3" width="90" x="581" y="85"/>
  <operator activated="true" class="apply_model" compatibility="8.2.000" expanded="true" height="82" name="Apply Model" width="90" x="648" y="238">
    <list key="application_parameters"/>
  </operator>
  <operator activated="true" class="performance_classification" compatibility="8.2.000" expanded="true" height="82" name="Performance" width="90" x="782" y="238">
    <list key="class_weights"/>
  </operator>
  <connect from_op="Retrieve Sonar" from_port="output" to_op="Numerical to Polynominal" to_port="example set input"/>
  <connect from_op="Numerical to Polynominal" from_port="example set output" to_op="Split Data" to_port="example set"/>
  <connect from_op="Split Data" from_port="partition 1" to_op="ID3" to_port="training set"/>
  <connect from_op="Split Data" from_port="partition 2" to_op="Apply Model" to_port="unlabelled data"/>
  <connect from_op="ID3" from_port="model" to_op="Apply Model" to_port="model"/>
  <connect from_op="Apply Model" from_port="labelled data" to_op="Performance" to_port="labelled data"/>
  <connect from_op="Performance" from_port="performance" to_port="result 1"/>
  <portSpacing port="source_input 1" spacing="0"/>
  <portSpacing port="sink_result 1" spacing="0"/>
  <portSpacing port="sink_result 2" spacing="0"/>
  </process>
 </operator>
</process>