report/model_summary_report_6_no_smote.csv

Model Name,Total Rows Processed,Successfully Matched,Failed Count,Test Accuracy,Model Accuracy,Model Specificity,Model Sensitivity,Model AUC,Failed Predictions
Random Forest,383,379,4,98.96,96.52,98.80,90.62,99.12,"[{'Row Number': 226, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 301, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 325, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 340, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}]"
Gradient Boosting,383,379,4,98.96,96.52,97.59,93.75,99.06,"[{'Row Number': 226, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 332, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 340, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 356, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}]"
XGBoost,383,377,6,98.43,95.65,97.59,90.62,99.38,"[{'Row Number': 226, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 246, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 301, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 302, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 332, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 340, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}]"
Decision Tree,383,375,8,97.91,93.04,95.18,87.50,91.34,"[{'Row Number': 6, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 20, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 226, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 286, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 301, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 325, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 332, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 340, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}]"
K-Nearest Neighbors,383,372,11,97.13,97.39,98.80,93.75,99.13,"[{'Row Number': 88, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 226, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 238, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 301, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 302, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 307, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 328, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 331, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 333, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 340, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 345, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}]"
AdaBoost,383,372,11,97.13,96.52,97.59,93.75,98.98,"[{'Row Number': 85, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 88, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 154, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 226, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 249, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 301, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 302, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 307, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 331, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 340, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 345, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}]"
Logistic Regression,383,371,12,96.87,97.39,98.80,93.75,99.25,"[{'Row Number': 88, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 226, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 238, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 243, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 249, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 257, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 301, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 302, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 307, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 328, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 340, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 345, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}]"
Support Vector Machine,383,369,14,96.34,95.65,98.80,87.50,50.00,"[{'Row Number': 88, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 226, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 238, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 243, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 249, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 301, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 302, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 307, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 325, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 327, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 328, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 331, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 340, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 345, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}]"
Gaussian Naive Bayes,383,365,18,95.30,97.39,98.80,93.75,99.21,"[{'Row Number': 88, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 183, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 214, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 226, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 238, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 249, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 254, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 257, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 259, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 265, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 282, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 291, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 295, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 301, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 302, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 328, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 340, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 345, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}]"