report/model_summary_report_6_smote.csv

Model Name,Total Rows Processed,Successfully Matched,Failed Count,Test Accuracy,Model Accuracy,Model Sensitivity,Model Specificity,Model AUC,Failed Predictions
XGBoost,383,379,4,98.96,98.26,96.88,98.80,98.89,"[{'Row Number': 128, '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': 340, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}]"
Random Forest,383,378,5,98.69,96.52,93.75,97.59,99.19,"[{'Row Number': 128, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 219, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 226, '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,383,377,6,98.43,95.65,93.75,96.39,99.27,"[{'Row Number': 110, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 128, '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': 340, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 356, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}]"
Decision Tree,383,375,8,97.91,93.91,96.88,92.77,94.82,"[{'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': 128, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 219, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'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': 286, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 340, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}]"
K-Nearest Neighbors,383,371,12,96.87,97.39,93.75,98.80,99.25,"[{'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': 249, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 288, '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': 296, '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': 340, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 345, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}]"
AdaBoost,383,368,15,96.08,96.52,96.88,96.39,98.91,"[{'Row Number': 88, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 110, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 128, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 154, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 206, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 212, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 215, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 246, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 249, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 282, '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': 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,383,363,20,94.78,97.39,96.88,97.59,99.13,"[{'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': 183, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 214, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 215, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 238, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 244, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 246, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'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': 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)}]"
Support Vector Machine,383,363,20,94.78,95.65,93.75,96.39,50.00,"[{'Row Number': 88, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 110, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 128, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 140, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 154, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 238, 'Actual': np.float64(1.0), 'Predicted': np.int64(0)}, {'Row Number': 244, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'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': 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': 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)}]"
Gaussian Naive Bayes,383,362,21,94.52,97.39,93.75,98.80,99.17,"[{'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': 183, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 214, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'Row Number': 215, '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': 244, 'Actual': np.float64(0.0), 'Predicted': np.int64(1)}, {'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)}]"