	A	B		E	F	I	J	K	L	M	N	O	P	Q	R
2				No Cluster	Cluster
3	No filtering	Precision		0,8113	0,8248
4		F1		0,2420	0,6040
5		Recall		0,1424	0,4766
6		Model		Support Vector Classification	Support Vector Classification
7	Filtering	Precision		0,8242	0,7996
8		F1		0,6477	0,6391
9		Recall		0,5336	0,5557
10		Model		Support Vector Classification	Multi-layer perceptron
11
12				Without filtering		With filtering
13				Dropout		Dropout		Average no filtering	Uncertainity	Average filtering	Uncertainity
14				No Cluster	Cluster	No Cluster	Cluster	Average no filtering	Uncertainity	Average filtering	Uncertainity
15	SVM	F1		0,2420	0,6040	0,6477	0,7293	0,6398	0,0068	0,6811	0,0106			Best F1 score
16		Precision		0,8113	0,8248	0,8242	0,7942	0,8344	0,0066	0,8299	0,0054			2nd and 3rd best
17		Recall		0,1424	0,4766	0,5336	0,6757	0,5860	0,0076	0,6168	0,0176			Questionalble results
18		Negative-recall		0,8841	0,6462	0,6027	0,3880	0,6430	0,0145	0,5913	0,0233			Negative-recall < 10%
19	NN	F1		0,5567	0,6428	0,6459	0,6391	0,7099	0,0654	0,7007	0,0497			Negative-recall < 30%
20		Precision		0,7934	0,8192	0,8221	0,7996	0,8158	0,0079	0,8223	0,0095
21		Recall		0,5321	0,5327	0,5338	0,5557	0,6739	0,0888	0,6400	0,0697
22		Negative-recall		0,4892	0,5871	0,5964	0,5016	0,4955	0,0986	0,5372	0,0700		Ranking without filtering for F1-score		Ranking with filtering for F1-score
23	LR	F1		0,3739	0,6530	0,6710	0,7121	0,6605	0,0106	0,6927	0,0067		Boost		1. RF
24		Precision		0,7972	0,8184	0,8204	0,7971	0,8475	0,0050	0,8371	0,0052
25		Recall		0,2451	0,5433	0,5677	0,6436	0,5677	0,0109	0,6092	0,0093		RF		2. Bag
26		Negative-recall		0,7829	0,5789	0,5663	0,4282	0,6913	0,0137	0,6159	0,0149
27	Bag	F1		0,3715	0,8468	0,8493	0,7120	0,7374	0,0100	0,7517	0,0074		Bag		3. Boost
28		Precision		0,7990	0,7842	0,7835	0,7946	0,8028	0,0048	0,8098	0,0042
29		Recall		0,2435	0,9202	0,9271	0,6451	0,7530	0,0099	0,7435	0,0119		1. SVM		4. SVM
30		Negative-recall		0,7849	0,1159	0,1058	0,4174	0,3909	0,0176	0,4099	0,0155
31	RF	F1		0,3788	0,8701	0,8698	0,7213	0,7450	0,0080	0,7605	0,0071		2. NN		5. Tree
32		Precision		0,7981	0,7804	0,7814	0,7929	0,7965	0,0035	0,8049	0,0043
33		Recall		0,2490	0,9832	0,9809	0,6618	0,7768	0,0080	0,7669	0,0113		3. Tree		6. LR
34		Negative-recall		0,7804	0,0342	0,0419	0,3963	0,3416	0,0103	0,3694	0,0164
35	Boost	F1		0,2835	0,8675	0,8421	0,6857	0,7221	0,0101	0,7413	0,0239		4. LR		7. NN
36		Precision		0,8053	0,7810	0,7886	0,7938	0,8063	0,0046	0,8121	0,0050
37		Recall		0,1731	0,9757	0,9034	0,6205	0,7493	0,0104	0,7387	0,0336		Significant difference
38		Negative-recall		0,8544	0,0447	0,1543	0,4352	0,4025	0,0138	0,4211	0,0390		Non-significant difference
39	Decision Tree	F1		0,3764	0,7733	0,7645	0,7177	0,6852	0,0102	0,7160	0,0072
40		Precision		0,7976	0,7858	0,7876	0,7929	0,7970	0,0041	0,8060	0,0046
41		Recall		0,2474	0,7613	0,7428	0,6558	0,6468	0,0105	0,6695	0,0119
42		Negative-recall		0,7806	0,2752	0,3006	0,4016	0,4561	0,0153	0,4612	0,0183