СПОРЕДБА НА АЛГОРИТМИ ЗА КЛАСИФИКАЦИЈА. (Macedonian)

COMPARISON OF CLASSIFICATION ALGORITHMS. (English)

Data mining is one of the most used technologies today. For this purpose, in this paper we first examine the data mining and classification, and then decision trees as a way of implementing the classification. We also look at the performance of algorithms for building decision trees, including entropy, Gini coefficient, the error in classification precision and recall, ROC curves etc. This paper is a comparison of some of the most famous algorithms for classification and also presents the results obtained by using ID3 and J48 (J48 and J48 graft) algorithms for our database. The database Student Database contains information for the number of students, number of passed and failed exams and average of students. Based on the research we conclude that when we use training set the best predictions are obtained using ID3 algorithm. [ABSTRACT FROM AUTHOR]

Податочното рударење е една од најкористените технологии денес. За таа цел во овој труд прво ги разгледуваме податочното рударење и класификацијата, а потоа се задржуваме на дрвата за одлучување како еден од начините за имплементација на класификацијата. Исто така ги разгледуваме перформансите на алгоритамите за градење на дрва за одлучување, вклучувајќи ја и ентропијата, Gini коефициентот, грешката при класификација, прецизност и recall, ROC криви итн. Во трудот е направена споредба на едни од најпознатите алгоритми за класификација и се презентирани резултатите добиени со примена на ID3 и J48 алгоритмите (Ј48 и Ј48 graft) на наша база на податоци. Базата на податоци е Student Database содржи информации за бројот на студенти, број на положени и неположени испити и просекот на студентите. Врз база на извршените истражувања заклучуваме дека кога користиме податоци за тренирање најдобри предвидувања се добиваат со употреба на ID3 алгоритамот. [ABSTRACT FROM AUTHOR]

Copyright of Yearbook - Faculty of Computer Science is the property of Goce Delcev University, Yearbook - Faculty of Computer Science and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)