Resposta aos revisores paper GI

Sumário das atividades:

BABU

Tive que deixar a escala de 0,4 - 0,6 senão não conseguiríamos ver as cores das caixas.

library(ggplot2)
library(reshape2)

babu=read.csv("sumario_babu.csv")
babu.m=melt(babu,id=c("Percent"))
ggplot(babu.m, aes(x = variable, y = value, fill = Percent)) + geom_boxplot() + scale_x_discrete(name="Data source") + ylim(0.4,0.6)   + 
  scale_fill_manual(values = c("deepskyblue2", "darkseagreen","gray60","gray30"))

BUTLAND

butland=read.csv("sumario_butland.csv")
butland.m=melt(butland,id=c("Percent"))
ggplot(butland.m, aes(x = variable, y = value, fill = Percent))  + geom_boxplot()+ scale_x_discrete(name="Data source") + ylim(0,1) + 
  scale_fill_manual(values = c("deepskyblue2", "darkseagreen","gray60","gray30"))

INTEGRAÇÃO (ATRIBUTOS e REDES)

total=read.csv("sumario_total_complete.csv")
total.m=melt(total,id=c("Algorithm"))
ggplot(total.m, aes(x = variable, y = value, fill = Algorithm))  + geom_boxplot() + scale_x_discrete(name="Data source") + ylim(0,1) +
  scale_fill_manual(values = c("deepskyblue2", "darkseagreen"))

Os resultados com dados completos têm desempenhos bem alto no conjunto de treinamento (acima de 90%), mas quando aplicados ao conjunto teste (que não tem pares repetido), o desempenho cai para 60%. Com os dados do Babu é bem pior. Acredito que não tenha dado os 79% porque não é cross-validation. Não sei mais onde conferir. Refiz esses cálculos várias vezes. Cada cálculo do Babu leva 35 minutos.

ÁRVORE DE DECISÃO - J48 - Babu

CONCLUSÕES PRELIMINARES

Os revisores tinham razão em dizer que cross-validation é enviesado. Os dados de Babu não prestam.