关于使用机器学习工具Weka的问题

Question

我正在使用Weka的资源管理器功能进行分类。

所以我有我的.arff文件，有两个数值特征，我的类是一个二进制的0或1(例如{0,1})。

示例：

@RELATION summary
@ATTRIBUTE feature1 NUMERIC
@ATTRIBUTE feature2 NUMERIC
@ATTRIBUTE class {1,0}

@DATA
23,11,0
20,100,1
2,36,0
98,8,1
.....

我加载这个.arff文件，使用10折交叉验证(没有测试文件)，然后选择NaiveBayes，然后我对数据进行分类，结果显示:5个标签错误，100个标签正确。到目前一切尚好。

现在，我显着地更改了我的.arff文件(为我的特性属性提供了完全随机的值)。重复上述步骤，我在分类时会得到完全相同的统计数据。

我尝试对我的.arff文件做了更多的更改，使用了不同的分类算法。不管我给.arff文件赋什么值，统计数据都是一样的(在相同的算法中)。

我是不是做错了什么？

Answer 1

没有更多的信息很难判断，但我有两个建议：

1. 这两个类的相对比例是多少？是5比100吗？很多算法都不能很好地处理高度倾斜的类标签，但可以尝试将类标签从数字改为字符串(例如'class1‘distributions.
2. Just 'class2')。Weka将这些属性称为“名义”属性，因此可能不允许使用数字。

Answer 2

另外:请记住，交叉验证在UI中是相当可怕的，因为它们只显示原始的树，无论如何(在它们折叠其他数据之前)。如果您希望生成最终的树，则需要编程API。我建议使用分离的训练/测试数据集。

Answer 3

你有没有试过改变

@ATTRIBUTE class {1,0} 

使用

@ATTRIBUTE class {yes,no}