2.3.9.3: Evaluierung

Brodley und Utgoff (1995) [->] haben die beschriebenen Verfahren mit acht verschiedenen Testmengen überprüft. Ihre Ergebnisse für die Attributauswahl fassen sie folgendermaßen zusammen:

• Ob Auswahl oder Eliminierung bessere Ergebnisse liefert, hängt vom untersuchten Datenset ab. Mit der "vollständigen Information" zu starten, ist nicht immer besser.
• Mit der heuristischen Entscheidung im HSS-Algorithmus wird gut zwischen Auswahl und Elimination entschieden.
• In sechs von acht Fällen war die verteilungsbasierte Rückwärtsauswahl nicht schlechter als die normale Rückwärtsauswahl. Sie ist aber erheblich schneller. Die (aufsteigende) Reihenfolge des Rechenaufwands ist: DSBE, SFS, HSS, SBE
• Die Gesamtzahl der in einem Baum benötigten Attribute hängt nicht wesentlich von der Wahl eines Auswahlverfahrens ab.

• RLS erreicht die höchste Genauigkeit der drei untersuchten Methoden.
• Diese Überlegenheit von RLS hängt nicht von der Auswahlmethode für die Attribute ab.
• RLS erzeugt die kleinsten Bäume, braucht aber mit Abstand die meiste Rechenzeit.