分类器之实作与比较.pdfVIP

分類器之實作與比較 -以SVM 、KNNR 、CART為例- 專題老師：黃亮綜 老師 組員：蔡佩軒、蔡尚旻、陳世堯 摘 要 在這資訊爆炸的時代，大量資料的產生，成為現在人們必面對的問題，故資 料分析與分類是相當熱門的議題。物件分類技術在計算機上的應用非常廣泛，利 用計算機進行物件分類的主要目的之一，是使機器賦有在某種意義上與人類近似 相同的辨識能力。例如：資料探勘和知識探索、醫療診斷專家系統和電腦視覺等。 本研究使用SVM 、K-NNR 、CART三種分類器演算法進行分析比較。SVM 分類器使用核心函數，進行訓練學習 ；而K-NNR則利用與實例之間的距離，逕行 分類的動作；CART則是使用決策樹的結構，由各種不同的條件於不同階段形成 的節點及節點間的分支所構成 。 為達到客觀的分析，我們使用三組標準的資料集包括 Iris Dataset 、Wine Dataset 、Abalone Dataset 來做樣式分類。各資料集都透過三種分類器進行訓練、 測試，並根據三種分類器分類出來的結果誤差值，來分析比較分類器的特性。結 果顯示分類器各有其適用的領域，換言之，隨著應用的範圍與資料集特性的不 同，可能有不同表現。 關鍵字 ：CART 、KNNR 、SVM 、Classifier Abstract This research is to uses three kinds of classifications of SVM ，KNNR and CART the machine the algorithm. The SVM divides into section the machine the simple coming to saying is if I have a heap have divided into the good thing. When receive new thing ，which heap can SVM predict new data to want to divide into go to ；And K- NNR is for a unknown data of the category. We want find out only to come to moderate this fee for writing to anticipate most the point that near to in the data of the training. We can judge the category that this fee for writing anticipate should be similar to most the category of the point that near to is. The CART is a branch of the node to make use of den droid construction to become in different stage by various different terms and node. The purpose of this research is the result of the classification to want that through three kinds of data sets after doing the training and classification. Divide into section the machine produce had better ，do the comparison the research. Summary, these three kinds of machine of classifications not only can divide into section these three kind