Maschinelles Lernen unter Verwendung von Klassifikation: Eine vergleichende Studie über überwachte Lernalgorithmen mit Anwendung auf Benchmark-Datensätze

Dieses Papier präsentiert eine vergleichende Studie über überwachte Klassifikationsalgorithmen des maschinellen Lernens, darunter Logistic Regression, Decision Tree, Support Vector Machine (SVM) und K-Nearest Neighbors (KNN). Die Studie wird an Benchmark-Datensätzen wie dem Iris-Datensatz und dem Brustkrebs-Datensatz durchgeführt. Die Leistung jedes Algorithmus wird anhand von Genauigkeit, Präzision, Recall und F1-Score bewertet. Die Ergebnisse zeigen, dass SVM die höchste Genauigkeit erzielt, während Decision Tree eine bessere Interpretierbarkeit bietet. Diese Forschung hilft Anfängern und MCA-Studierenden, die Stärken und Grenzen verschiedener Klassifikationsalgorithmen zu verstehen.