kombiniertes data mining – klassifikation unter verwendung von ...

Kombiniertes Data Mining – Klassifikation anhand von Hilfsinformationen
Die Werte für precision und recall sind genau dann optimal, wenn alle relevanten
Datensätze richtig klassifiziert wurden. Es ergibt sich für beide Kennzahlen ein Wert
von 1. Die Maße für precision und recall sind in gewisser Weise gegenläufig. Wurden
z.B. alle Tupel der Testmenge richtig klassifiziert, so wird der Wert für den recall 1
entsprechen, natürlich unter der Voraussetzung, dass mindestens ein relevanter
Datensatz existiert. Die precision hingegen wird sehr niedrig sein, wenn nicht
zufälligerweise alle Datensätze relevant sind. Sollte im umgekehrten Fall nur ein
einziger relevanter Datensatz richtig klassifiziert worden sein, so ist die precision
gleich 1, der recall wird aber mit Sicherheit schlecht sein, sollten noch weitere
relevante Datensätze vorhanden sein.
In der Regel werden die Antwortmengen aber zwischen diesen beiden Extremen
liegen. Dann ergibt sich im Allgemeinen bei einer Verkleinerung der Antwortmenge
durch eine spezifischere Anfrage eine bessere Precision, aber ein schlechterer
Recall; bei einer Vergrößerung der Antwortmenge durch eine allgemeinere Anfrage
ergibt sich ein größerer Recall, aber eine kleinere Precision. Ähnliche Situationen
können auftreten, wenn Precision- und Recall-Maße dazu verwendet werden,
verschiedene Systeme zu vergleichen. Eindeutige Aussagen darüber, ob ein System
besser ist als das andere, können nur gemacht werden, wenn für das eine System
sowohl der Precision-Wert als auch der Recall-Wert besser ist als bei dem anderen
System. Ist bei einem System z.B. die Precision besser, dafür aber der Recall
schlechter, so eignen sich die Systeme zwar eventuell für unterschiedliche Aufgaben,
es kann aber nicht allgemein gesagt werden, welches besser ist [FE03].
Kompaktheit des Modells
Ziel beim Generieren eines DT-Klassifikators ist es immer, diesen so kompakt als
möglich zu halten, d.h. mit einem Minimum an Knoten ein Maximum an Qualität im
Hinblick auf die Klassifikationsgenauigkeit zu erhalten. Zur Kompaktheit gehört
außerdem die Höhe des Baumes. Es soll versucht werden, den Baum so „niedrig“
wie möglich zu halten, d.h. dass die Pfade eines Baumes nicht unnötig viele Knoten
bzw. Verzweigungen enthalten. Je kompakter ein Modell ist, desto leichter kann es
von einem Benutzer interpretiert werden.
Einerseits kann Kompaktheit während des Prozesses der Klassifikator-Konstruktion
z.B. durch die Verwendung bestimmter Split-Strategien erreicht werden, andererseits
Seite 42