Paper - Hogeschool Gent
Paper - Hogeschool Gent
Paper - Hogeschool Gent
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Hoofdstuk 5. Resultaten 50<br />
min P min R min F1 max P max R max F1<br />
baseline 12,6% 73,2% 21,8% 36,9% 92,7% 52,8%<br />
300k64 19,6% 75,6% 31,2% 39,5% 92,7% 53,5%<br />
300k128 9,4% 63,4% 16,4% 21,7% 95,1% 35,2%<br />
300k256 13,3% 78,0% 22,7% 29,0% 95,1% 44,2%<br />
300k512 8,2% 73,2% 14,8% 14,7% 95,1% 25,4%<br />
Tabel 5.5: Effect van clustering op SVM+MI.<br />
Uit tabel 5.5 volgt dat het toevoegen van clusteringfeatures aan het classificatieproces<br />
geen positieve invloed heeft. Figuur 5.9 bevestigt dat hoe groter het aantal clusters is,<br />
hoe slechter de classifier presteert. Enkel met 64 clusters komen de resultaten terug in de<br />
buurt van de baseline. Bovendien kan in het begin van grafiek 300k64 een scherpe daling<br />
waargenomen worden. De hoge startwaarde en de daling van de F1 measure valt in het<br />
gebied waar de gezamenlijke hoeveelheid clusterfeatures groter dan of gelijk is aan het<br />
aantal features per klasse aangebracht door de MI feature selector.<br />
F1<br />
1,00<br />
0,90<br />
0,80<br />
0,70<br />
0,60<br />
0,50<br />
0,40<br />
0,30<br />
0,20<br />
0,10<br />
0,00<br />
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%<br />
% gebruikte features<br />
Figuur 5.9: Optimalisatie door extra clustering features.<br />
baseline<br />
300k64<br />
300k128<br />
300k256<br />
300k512