在 Weka 中对 iris 和大豆数据集进行 id3 算法进行试验，给出错误答案

【问题标题】：Experimenting with id3 algorithm on iris and soyabean dataset giving error in Weka在 Weka 中对 iris 和大豆数据集进行 id3 算法进行试验，给出错误
【发布时间】：2014-11-29 20:32:45
【问题描述】：

我正在尝试在Weka Experimenter 中测试 id3 算法在 iris 和 soyabean 数据集上。

但是id3算法在RUN的时候，报错如下：

weka.classifiers.trees.Id3: Cannot handle numeric attributes!

在谷歌搜索上述错误后，我发现了这个问题：Weka J48 Classifier: Cannot handle numeric class?

但我不确定如何使用这个公认的答案，因为我正在通过 Weka Experimenter GUI 进行实验！

【问题讨论】：

绝对可以运行该命令将特征转换为二进制。然后你就可以加载到 weka 并运行 j48。

标签： algorithm machine-learning weka

【解决方案1】：

流程概述如下：

打开您要转换的 Iris 文件（或任何数据文件）。
选择您要应用于数据的过滤器（在本例中，选择 NumericToBinary）
根据需要更改过滤器的设置
单击“应用”按钮将更改应用到数据集。

您应该会看到数据集发生了一些变化，如下图所示。
单击“保存...”按钮并将数据保存到另一个文件。
关闭资源管理器

从 Weka 打开 Experimenter
单击“新建”按钮，然后设置结果 ARFF 目标文件
在“数据集”组下，单击“添加新...”，然后添加修改后的 ARFF 数据文件
在“算法”组下，点击“添加新...”并选择您的算法

在“运行”选项卡下，单击“开始”按钮。
然后您应该会看到 0 个错误，如下所示：

请注意，此处使用的数据过滤器对于建模问题可能不是很有效（因为所有属性似乎都返回 true），因此其他过滤器可能更适合此问题。

希望对您有所帮助！

【讨论】：

谢谢。它现在似乎可以正常工作。我用三种算法测试了数据集——JRip、id3 和 j48。所有三个都给出相同的 33.33 输出：i.imgur.com/rZevku9.png 你会建议什么其他过滤器是最好的？
如我的第三张图片所示，NumericToBinary 使属性值在值恰好为零时为假，在这种情况下这不好，因为所有属性值都为零，这意味着您将始终得到精度低。我通常在 Weka 之外预处理我的数据，然后根据建模需要导入。我认为离散化可能会有所帮助，因为您可以确定您认为可能是最佳的每个属性的桶数，并根据模型的需要进行调整。