monks-problems-1_test.arff

Name:
Owner:
Access:
Size:
Modified:
UCI/monks-problems-1_test.arff
TunedIT
public locked
9.1 KB
2009-10-30 13:07:32
Description

The Monk's Problems
File contents

% 
% 1. Title: The Monk's Problems
% 
% 2. Sources: 
%     (a) Donor: Sebastian Thrun
% 	       School of Computer Science
% 	       Carnegie Mellon University
% 	       Pittsburgh, PA 15213, USA
% 
% 	       E-mail: thrun@cs.cmu.edu
% 
%     (b) Date: October 1992
% 
% 3. Past Usage: 
% 
%    - See File: thrun.comparison.ps.Z
% 
%    - Wnek, J., "Hypothesis-driven Constructive Induction," PhD dissertation, 
%      School of Information Technology and Engineering, Reports of Machine 
%      Learning and Inference Laboratory, MLI 93-2, Center for Artificial 
%      Intelligence, George Mason University, March 1993.
% 
%    - Wnek, J. and Michalski, R.S., "Comparing Symbolic and 
%      Subsymbolic Learning: Three Studies," in Machine Learning: A 
%      Multistrategy Approach, Vol. 4., R.S. Michalski and G. Tecuci (Eds.), 
%      Morgan Kaufmann, San Mateo, CA, 1993.
% 
% 4. Relevant Information:
% 
%    The MONK's problem were the basis of a first international comparison
%    of learning algorithms. The result of this comparison is summarized in
%    "The MONK's Problems - A Performance Comparison of Different Learning
%    algorithms" by S.B. Thrun, J. Bala, E. Bloedorn, I.  Bratko, B.
%    Cestnik, J. Cheng, K. De Jong, S.  Dzeroski, S.E. Fahlman, D. Fisher,
%    R. Hamann, K. Kaufman, S. Keller, I. Kononenko, J.  Kreuziger, R.S.
%    Michalski, T. Mitchell, P.  Pachowicz, Y. Reich H.  Vafaie, W. Van de
%    Welde, W. Wenzel, J. Wnek, and J. Zhang has been published as
%    Technical Report CS-CMU-91-197, Carnegie Mellon University in Dec.
%    1991.
% 
%    One significant characteristic of this comparison is that it was
%    performed by a collection of researchers, each of whom was an advocate
%    of the technique they tested (often they were the creators of the
%    various methods). In this sense, the results are less biased than in
%    comparisons performed by a single person advocating a specific
%    learning method, and more accurately reflect the generalization
%    behavior of the learning techniques as applied by knowledgeable users.
% 
%    There are three MONK's problems.  The domains for all MONK's problems
%    are the same (described below).  One of the MONK's problems has noise
%    added. For each problem, the domain has been partitioned into a train
%    and test set.
% 
% 5. Number of Instances: 432
% 
% 6. Number of Attributes: 8 (including class attribute)
% 
% 7. Attribute information:
%     1. class: 0, 1 
%     2. a1:    1, 2, 3
%     3. a2:    1, 2, 3
%     4. a3:    1, 2
%     5. a4:    1, 2, 3
%     6. a5:    1, 2, 3, 4
%     7. a6:    1, 2
%     8. Id:    (A unique symbol for each instance)
% 
% 8. Missing Attribute Values: None
% 
% 9. Target Concepts associated to the MONK's problem:
% 
%    MONK-1: (a1 = a2) or (a5 = 1)
% 
%    MONK-2: EXACTLY TWO of {a1 = 1, a2 = 1, a3 = 1, a4 = 1, a5 = 1, a6 = 1}
% 
%    MONK-3: (a5 = 3 and a4 = 1) or (a5 /= 4 and a2 /= 3)
%            (5% class noise added to the training set)
% 
%
% Information about the dataset
% CLASSTYPE: nominal
% CLASSINDEX: first
%

@relation monks-problems-1_test

@attribute class {0,1}
@attribute attr1 {1,2,3}
@attribute attr2 {1,2,3}
@attribute attr3 {1,2}
@attribute attr4 {1,2,3}
@attribute attr5 {1,2,3,4}
@attribute attr6 {1,2}

@data
1,1,1,1,1,1,1
1,1,1,1,1,1,2
1,1,1,1,1,2,1
1,1,1,1,1,2,2
1,1,1,1,1,3,1
1,1,1,1,1,3,2
1,1,1,1,1,4,1
1,1,1,1,1,4,2
1,1,1,1,2,1,1
1,1,1,1,2,1,2
1,1,1,1,2,2,1
1,1,1,1,2,2,2
1,1,1,1,2,3,1
1,1,1,1,2,3,2
1,1,1,1,2,4,1
1,1,1,1,2,4,2
1,1,1,1,3,1,1
1,1,1,1,3,1,2
1,1,1,1,3,2,1
1,1,1,1,3,2,2
1,1,1,1,3,3,1
1,1,1,1,3,3,2
1,1,1,1,3,4,1
1,1,1,1,3,4,2
1,1,1,2,1,1,1
1,1,1,2,1,1,2
1,1,1,2,1,2,1
1,1,1,2,1,2,2
1,1,1,2,1,3,1
1,1,1,2,1,3,2
1,1,1,2,1,4,1
1,1,1,2,1,4,2
1,1,1,2,2,1,1
1,1,1,2,2,1,2
1,1,1,2,2,2,1
1,1,1,2,2,2,2
1,1,1,2,2,3,1
1,1,1,2,2,3,2
1,1,1,2,2,4,1
1,1,1,2,2,4,2
1,1,1,2,3,1,1
1,1,1,2,3,1,2
1,1,1,2,3,2,1
1,1,1,2,3,2,2
1,1,1,2,3,3,1
1,1,1,2,3,3,2
1,1,1,2,3,4,1
1,1,1,2,3,4,2
1,1,2,1,1,1,1
1,1,2,1,1,1,2
0,1,2,1,1,2,1
0,1,2,1,1,2,2
0,1,2,1,1,3,1
0,1,2,1,1,3,2
0,1,2,1,1,4,1
0,1,2,1,1,4,2
1,1,2,1,2,1,1
1,1,2,1,2,1,2
0,1,2,1,2,2,1
0,1,2,1,2,2,2
0,1,2,1,2,3,1
0,1,2,1,2,3,2
0,1,2,1,2,4,1
0,1,2,1,2,4,2
1,1,2,1,3,1,1
1,1,2,1,3,1,2
0,1,2,1,3,2,1
0,1,2,1,3,2,2
0,1,2,1,3,3,1
0,1,2,1,3,3,2
0,1,2,1,3,4,1
0,1,2,1,3,4,2
1,1,2,2,1,1,1
1,1,2,2,1,1,2
0,1,2,2,1,2,1
0,1,2,2,1,2,2
0,1,2,2,1,3,1
0,1,2,2,1,3,2
0,1,2,2,1,4,1
0,1,2,2,1,4,2
1,1,2,2,2,1,1
1,1,2,2,2,1,2
0,1,2,2,2,2,1
0,1,2,2,2,2,2
0,1,2,2,2,3,1
0,1,2,2,2,3,2
0,1,2,2,2,4,1
0,1,2,2,2,4,2
1,1,2,2,3,1,1
1,1,2,2,3,1,2
0,1,2,2,3,2,1
0,1,2,2,3,2,2
0,1,2,2,3,3,1
0,1,2,2,3,3,2
0,1,2,2,3,4,1
0,1,2,2,3,4,2
1,1,3,1,1,1,1
1,1,3,1,1,1,2
0,1,3,1,1,2,1
0,1,3,1,1,2,2
0,1,3,1,1,3,1
0,1,3,1,1,3,2
0,1,3,1,1,4,1
0,1,3,1,1,4,2
1,1,3,1,2,1,1
1,1,3,1,2,1,2
0,1,3,1,2,2,1
0,1,3,1,2,2,2
0,1,3,1,2,3,1
0,1,3,1,2,3,2
0,1,3,1,2,4,1
0,1,3,1,2,4,2
1,1,3,1,3,1,1
1,1,3,1,3,1,2
0,1,3,1,3,2,1
0,1,3,1,3,2,2
0,1,3,1,3,3,1
0,1,3,1,3,3,2
0,1,3,1,3,4,1
0,1,3,1,3,4,2
1,1,3,2,1,1,1
1,1,3,2,1,1,2
0,1,3,2,1,2,1
0,1,3,2,1,2,2
0,1,3,2,1,3,1
0,1,3,2,1,3,2
0,1,3,2,1,4,1
0,1,3,2,1,4,2
1,1,3,2,2,1,1
1,1,3,2,2,1,2
0,1,3,2,2,2,1
0,1,3,2,2,2,2
0,1,3,2,2,3,1
0,1,3,2,2,3,2
0,1,3,2,2,4,1
0,1,3,2,2,4,2
1,1,3,2,3,1,1
1,1,3,2,3,1,2
0,1,3,2,3,2,1
0,1,3,2,3,2,2
0,1,3,2,3,3,1
0,1,3,2,3,3,2
0,1,3,2,3,4,1
0,1,3,2,3,4,2
1,2,1,1,1,1,1
1,2,1,1,1,1,2
0,2,1,1,1,2,1
0,2,1,1,1,2,2
0,2,1,1,1,3,1
0,2,1,1,1,3,2
0,2,1,1,1,4,1
0,2,1,1,1,4,2
1,2,1,1,2,1,1
1,2,1,1,2,1,2
0,2,1,1,2,2,1
0,2,1,1,2,2,2
0,2,1,1,2,3,1
0,2,1,1,2,3,2
0,2,1,1,2,4,1
0,2,1,1,2,4,2
1,2,1,1,3,1,1
1,2,1,1,3,1,2
0,2,1,1,3,2,1
0,2,1,1,3,2,2
0,2,1,1,3,3,1
0,2,1,1,3,3,2
0,2,1,1,3,4,1
0,2,1,1,3,4,2
1,2,1,2,1,1,1
1,2,1,2,1,1,2
0,2,1,2,1,2,1
0,2,1,2,1,2,2
0,2,1,2,1,3,1
0,2,1,2,1,3,2
0,2,1,2,1,4,1
0,2,1,2,1,4,2
1,2,1,2,2,1,1
1,2,1,2,2,1,2
0,2,1,2,2,2,1
0,2,1,2,2,2,2
0,2,1,2,2,3,1
0,2,1,2,2,3,2
0,2,1,2,2,4,1
0,2,1,2,2,4,2
1,2,1,2,3,1,1
1,2,1,2,3,1,2
0,2,1,2,3,2,1
0,2,1,2,3,2,2
0,2,1,2,3,3,1
0,2,1,2,3,3,2
0,2,1,2,3,4,1
0,2,1,2,3,4,2
1,2,2,1,1,1,1
1,2,2,1,1,1,2
1,2,2,1,1,2,1
1,2,2,1,1,2,2
1,2,2,1,1,3,1
1,2,2,1,1,3,2
1,2,2,1,1,4,1
1,2,2,1,1,4,2
1,2,2,1,2,1,1
1,2,2,1,2,1,2
1,2,2,1,2,2,1
1,2,2,1,2,2,2
1,2,2,1,2,3,1
1,2,2,1,2,3,2
1,2,2,1,2,4,1
1,2,2,1,2,4,2
1,2,2,1,3,1,1
1,2,2,1,3,1,2
1,2,2,1,3,2,1
1,2,2,1,3,2,2
1,2,2,1,3,3,1
1,2,2,1,3,3,2
1,2,2,1,3,4,1
1,2,2,1,3,4,2
1,2,2,2,1,1,1
1,2,2,2,1,1,2
1,2,2,2,1,2,1
1,2,2,2,1,2,2
1,2,2,2,1,3,1
1,2,2,2,1,3,2
1,2,2,2,1,4,1
1,2,2,2,1,4,2
1,2,2,2,2,1,1
1,2,2,2,2,1,2
1,2,2,2,2,2,1
1,2,2,2,2,2,2
1,2,2,2,2,3,1
1,2,2,2,2,3,2
1,2,2,2,2,4,1
1,2,2,2,2,4,2
1,2,2,2,3,1,1
1,2,2,2,3,1,2
1,2,2,2,3,2,1
1,2,2,2,3,2,2
1,2,2,2,3,3,1
1,2,2,2,3,3,2
1,2,2,2,3,4,1
1,2,2,2,3,4,2
1,2,3,1,1,1,1
1,2,3,1,1,1,2
0,2,3,1,1,2,1
0,2,3,1,1,2,2
0,2,3,1,1,3,1
0,2,3,1,1,3,2
0,2,3,1,1,4,1
0,2,3,1,1,4,2
1,2,3,1,2,1,1
1,2,3,1,2,1,2
0,2,3,1,2,2,1
0,2,3,1,2,2,2
0,2,3,1,2,3,1
0,2,3,1,2,3,2
0,2,3,1,2,4,1
0,2,3,1,2,4,2
1,2,3,1,3,1,1
1,2,3,1,3,1,2
0,2,3,1,3,2,1
0,2,3,1,3,2,2
0,2,3,1,3,3,1
0,2,3,1,3,3,2
0,2,3,1,3,4,1
0,2,3,1,3,4,2
1,2,3,2,1,1,1
1,2,3,2,1,1,2
0,2,3,2,1,2,1
0,2,3,2,1,2,2
0,2,3,2,1,3,1
0,2,3,2,1,3,2
0,2,3,2,1,4,1
0,2,3,2,1,4,2
1,2,3,2,2,1,1
1,2,3,2,2,1,2
0,2,3,2,2,2,1
0,2,3,2,2,2,2
0,2,3,2,2,3,1
0,2,3,2,2,3,2
0,2,3,2,2,4,1
0,2,3,2,2,4,2
1,2,3,2,3,1,1
1,2,3,2,3,1,2
0,2,3,2,3,2,1
0,2,3,2,3,2,2
0,2,3,2,3,3,1
0,2,3,2,3,3,2
0,2,3,2,3,4,1
0,2,3,2,3,4,2
1,3,1,1,1,1,1
1,3,1,1,1,1,2
0,3,1,1,1,2,1
0,3,1,1,1,2,2
0,3,1,1,1,3,1
0,3,1,1,1,3,2
0,3,1,1,1,4,1
0,3,1,1,1,4,2
1,3,1,1,2,1,1
1,3,1,1,2,1,2
0,3,1,1,2,2,1
0,3,1,1,2,2,2
0,3,1,1,2,3,1
0,3,1,1,2,3,2
0,3,1,1,2,4,1
0,3,1,1,2,4,2
1,3,1,1,3,1,1
1,3,1,1,3,1,2
0,3,1,1,3,2,1
0,3,1,1,3,2,2
0,3,1,1,3,3,1
0,3,1,1,3,3,2
0,3,1,1,3,4,1
0,3,1,1,3,4,2
1,3,1,2,1,1,1
1,3,1,2,1,1,2
0,3,1,2,1,2,1
0,3,1,2,1,2,2
0,3,1,2,1,3,1
0,3,1,2,1,3,2
0,3,1,2,1,4,1
0,3,1,2,1,4,2
1,3,1,2,2,1,1
1,3,1,2,2,1,2
0,3,1,2,2,2,1
0,3,1,2,2,2,2
0,3,1,2,2,3,1
0,3,1,2,2,3,2
0,3,1,2,2,4,1
0,3,1,2,2,4,2
1,3,1,2,3,1,1
1,3,1,2,3,1,2
0,3,1,2,3,2,1
0,3,1,2,3,2,2
0,3,1,2,3,3,1
0,3,1,2,3,3,2
0,3,1,2,3,4,1
0,3,1,2,3,4,2
1,3,2,1,1,1,1
1,3,2,1,1,1,2
0,3,2,1,1,2,1
0,3,2,1,1,2,2
0,3,2,1,1,3,1
0,3,2,1,1,3,2
0,3,2,1,1,4,1
0,3,2,1,1,4,2
1,3,2,1,2,1,1
1,3,2,1,2,1,2
0,3,2,1,2,2,1
0,3,2,1,2,2,2
0,3,2,1,2,3,1
0,3,2,1,2,3,2
0,3,2,1,2,4,1
0,3,2,1,2,4,2
1,3,2,1,3,1,1
1,3,2,1,3,1,2
0,3,2,1,3,2,1
0,3,2,1,3,2,2
0,3,2,1,3,3,1
0,3,2,1,3,3,2
0,3,2,1,3,4,1
0,3,2,1,3,4,2
1,3,2,2,1,1,1
1,3,2,2,1,1,2
0,3,2,2,1,2,1
0,3,2,2,1,2,2
0,3,2,2,1,3,1
0,3,2,2,1,3,2
0,3,2,2,1,4,1
0,3,2,2,1,4,2
1,3,2,2,2,1,1
1,3,2,2,2,1,2
0,3,2,2,2,2,1
0,3,2,2,2,2,2
0,3,2,2,2,3,1
0,3,2,2,2,3,2
0,3,2,2,2,4,1
0,3,2,2,2,4,2
1,3,2,2,3,1,1
1,3,2,2,3,1,2
0,3,2,2,3,2,1
0,3,2,2,3,2,2
0,3,2,2,3,3,1
0,3,2,2,3,3,2
0,3,2,2,3,4,1
0,3,2,2,3,4,2
1,3,3,1,1,1,1
1,3,3,1,1,1,2
1,3,3,1,1,2,1
1,3,3,1,1,2,2
1,3,3,1,1,3,1
1,3,3,1,1,3,2
1,3,3,1,1,4,1
1,3,3,1,1,4,2
1,3,3,1,2,1,1
1,3,3,1,2,1,2
1,3,3,1,2,2,1
1,3,3,1,2,2,2
1,3,3,1,2,3,1
1,3,3,1,2,3,2
1,3,3,1,2,4,1
1,3,3,1,2,4,2
1,3,3,1,3,1,1
1,3,3,1,3,1,2
1,3,3,1,3,2,1
1,3,3,1,3,2,2
1,3,3,1,3,3,1
1,3,3,1,3,3,2
1,3,3,1,3,4,1
1,3,3,1,3,4,2
1,3,3,2,1,1,1
1,3,3,2,1,1,2
1,3,3,2,1,2,1
1,3,3,2,1,2,2
1,3,3,2,1,3,1
1,3,3,2,1,3,2
1,3,3,2,1,4,1
1,3,3,2,1,4,2
1,3,3,2,2,1,1
1,3,3,2,2,1,2
1,3,3,2,2,2,1
1,3,3,2,2,2,2
1,3,3,2,2,3,1
1,3,3,2,2,3,2
1,3,3,2,2,4,1
1,3,3,2,2,4,2
1,3,3,2,3,1,1
1,3,3,2,3,1,2
1,3,3,2,3,2,1
1,3,3,2,3,2,2
1,3,3,2,3,3,1
1,3,3,2,3,3,2
1,3,3,2,3,4,1
1,3,3,2,3,4,2

Home - Contact Us - In Media - Challenges List - Create - About Challenges - R&D Outsourcing - Wiki - Blog - Forum Research - Repository - Knowledge Base - TunedTester	Copyright © 2008-2013 by TunedIT Design by luksite