Boundary Visualizer· ≒ 경계의 시각화 ≒ 임계의 가시화· 기계학습 분류결과를 시각화합니다.· 눈에 보이지 않는 현실을 데이터로서 사람이 인식할 수 있는 기준선 즉 임계로 가시화하는 것을 의미합니다. 임계점 또는 임계선이 있어야 분류의 기준으로 삼을 수 있기 때문입니다.· 데이터세트에서 생성한 내부표현이며 기계학습의 진행과정을 시각화한 의사결정경계의 공간적 표현이 됩니다.· 모든 데이터세트를 Boundary Visualizer 에 적용할 수 있는 것은 아니며 해당 데이터세트는 숫자형의 이루어진 속성이 2개여야 합니다.· 인스턴스 갯수가 150건 이상일 경우 경우에 따라 작동이 오래 걸리거나 결과가 제대로 나오지 않을 수 있습니다.

JavaBayes API(자바베이즈 API) · 데이터웍스(Dataworks)의 조 슈바이처(Joe Schweitzer)가 깃허브에 업데이트를 하고 있는 베이지안 네트워크을 위한 자바 API입니다. · jar파일을 다운받아 사용할 수 있습니다. https://github.com/jasebell/JavaBayesAPI 직접 다운로드

노이지 인스턴스 (noisy instance) · 인스턴스의 분포가 뒤섞여 있는 경우에 k-최근접 이웃을 통해 잘못된 분류를 방지할 수 있는 방법입니다. · 노이지 인스턴스라고해서 잡음이 아니고, 약한 군집성을 띄는 군집내의 데이터 분석이 쉽도록 증폭해주는 역할을 합니다.

OpenMarkov ≒ 오픈마르코프 오픈 소스 그래픽 모델링 도구 www.openmarkov.org OpenMarkov - wiki https://bitbucket.org/cisiad/org.openmarkov/wiki/Home

IBk · Instance Based paremeter k · IBk 분류분석은 k-means 군집분석과 유사합니다. · Weka GUI Explorer 로 실행하면 정분류율은 산출되지만 모델은 출력되지 않으며 노이지 데이터세트의 경우 k 가 적을수록 정분류율이 향상됩니다. · IBk는 NaiveBayes 처럼 모든 속성은 똑같이 중요하다고 가정하고 있습니다. · IBk는 분석 성능이 느릴 수 있지만 좋은 기계학습법중 하나입니다. · IBk는 훈련 인스턴스의 수(n)와 k가 무한대에 도달하고 k/n 이 0에 수렴할때 오차는 최소화 됩니다. 결국 많은 양의 데이터세트와 큰 값의 k 를 사용하면 이론적으로 분류정확도가 보장되게 됩니다. Class IBk http://weka.sourceforge.net/do..

분석방법 로드맵