A program to recognize and reward our most engaged community members
Process failed: operator cannot be executed (Trying to assign invalud number to matrix: NaN)
<operator name="Root" class="Process" expanded="yes"> <operator name="ExcelExampleSource" class="ExcelExampleSource"> <parameter key="excel_file" value="trndataCSV.csv"/> <parameter key="first_row_as_names" value="true"/> <parameter key="create_label" value="true"/> <parameter key="label_column" value="15"/> </operator> <operator name="ID3Numerical" class="ID3Numerical"> <parameter key="keep_example_set" value="true"/> </operator> <operator name="ModelApplier" class="ModelApplier"> <list key="application_parameters"> </list> </operator> <operator name="ClassificationPerformance" class="ClassificationPerformance"> <parameter key="accuracy" value="true"/> <list key="class_weights"> </list> </operator></operator>
<operator name="Root" class="Process" expanded="yes"> <operator name="ExcelExampleSource" class="ExcelExampleSource"> <parameter key="excel_file" value="d:\Users\Motaz\Desktop\dm std\DMProject\trndataCSV.xls"/> <parameter key="first_row_as_names" value="true"/> <parameter key="create_label" value="true"/> <parameter key="label_column" value="15"/> </operator> <operator name="NeuralNet" class="NeuralNet" breakpoints="after"> <parameter key="keep_example_set" value="true"/> <list key="hidden_layer_types"> </list> <parameter key="training_cycles" value="500"/> <parameter key="learning_rate" value="0.3"/> </operator> <operator name="ModelApplier" class="ModelApplier"> <list key="application_parameters"> </list> </operator> <operator name="ClassificationPerformance" class="ClassificationPerformance"> <parameter key="accuracy" value="true"/> <list key="class_weights"> </list> </operator></operator>
NeuralNetLayer 'Input [linear]' (14 nodes) --------------------------------- [age, workclass, fnlwgt, education, education-num, marital-status, occupation, relationship, race, sex, capital-gain, capital-loss, hours-per-week, native-country] Layer 'Hidden-1 [sigmoid]' (8 nodes) ------------------------------------ Input Weights: Node 1 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN Node 2 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN Node 3 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN Node 4 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN Node 5 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN Node 6 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN Node 7 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN Node 8 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN Layer 'Output [sigmoid]' (1 node) --------------------------------- Input Weights: Node 1 NaN NaN NaN NaN NaN NaN NaN NaN
PerformanceVector: accuracy: 68.84% ConfusionMatrix: True: <=50K >50K <=50K: 411 186 >50K: 0 0