Closed JJ closed 7 years ago
Yo también me sorprendí, ya hice varias pruebas en junio y todo debería ser correcto.
Además, cuando hice pruebas con R en octubre, obtuve resultados similares con 3-NN.
En cualquier caso, desde que me comentaste el problema de la experimentación, estoy ejecutando todo de nuevo repetidas veces (5, y aún quedan bastantes horas). A ver qué sale.
El 26 ago. 2017 19:42, "Juan Julián Merelo Guervós" < notifications@github.com> escribió:
En general, Random Forest es el mejor clasificador en casi cada ocasión. kNN es tan simple que se suele usar como baseline, igual que el Naïve Bayes. Y más, si usamos k=3. Convendría que hicieras diferentes particiones del conjunto y diferentes pruebas, porque los resultados son realmente sorprendentes.
— You are receiving this because you are subscribed to this thread. Reply to this email directly, view it on GitHub https://github.com/analca3/StarCraft-winner-prediction/issues/17, or mute the thread https://github.com/notifications/unsubscribe-auth/ADwel0bt9wkIv6jp9YzCjq3PAVqQjO93ks5scFkOgaJpZM4PDkT1 .
El 27 de agosto de 2017, 18:11, Antonio Álvarez Caballero < notifications@github.com> escribió:
Yo también me sorprendí, ya hice varias pruebas en junio y todo debería ser correcto.
Además, cuando hice pruebas con R en octubre, obtuve resultados similares con 3-NN.
El problema no es tanto con eso sino con el resto. Ya te digo, Random Forest casi siempre da buenos resultados. Normalmente tienes que hacer un análisis de sensibilidad a diferentes parámetros para ver cómo variaría el resultado dependiendo de los mismos.
Por fin ha terminado la experimentación. Han salido resultados similares para los distintos conjuntos de validación.
Ahora sí puedes decir que el resultado es estadísticamente significativo...
70791925edea5ac7c51a2cef1b992e85471fc85d también cerraba este
En general, Random Forest es el mejor clasificador en casi cada ocasión. kNN es tan simple que se suele usar como baseline, igual que el Naïve Bayes. Y más, si usamos k=3. Convendría que hicieras diferentes particiones del conjunto y diferentes pruebas, porque los resultados son realmente sorprendentes.