Tahap Evaluasi Data mining

Mengevaluasi Output yang dihasilkan dari Metode Data Mining

Dalam mengevaluasi Output yang dihasilkan dari Metode Data Mining  ada beberapa cara Evaluasi (Akurasi, Error, dan lain-lain. berbeda metode beda pula cara evaluasinya.

Mengapa harus dievaluasi??
Untuk mengetahui mana yang terbaik dari hasil uji coba pada metode dan algoritma data mining yang kita pilih, dari evaluasi tersebut dapat kita bandingkan kinerja dari tiap-tiap algoritma data mining.

berikut evaluasi yang dapat digunakan sesuai dengan metode data mining.
Estimation:
Error: Root Mean Square Error (RMSE), MSE, MAPE, etc

Prediction/Forecasting (Prediksi/Peramalan):
Error: Root Mean Square Error (RMSE) , MSE, MAPE, etc

Classification:
Confusion Matrix: Accuracy
ROC Curve: Area Under Curve (AUC)

Clustering:
Internal Evaluation: Davies–Bouldin index, Dunn index,
External Evaluation:  Rand measure, F-measure, Jaccard index, Fowlkes–Mallows index, Confusion matrix

Association:
Lift Charts: Lift Ratio
Precision and Recall (F-measure)

Share on :

Tweet