如何使用 WEKA 机器学习软件对以下类型的数据进行分类？

Question

我有一个包含 10 列的 .csv 文件。前 9 列与特定项目的属性有关，而第 10 列有“类”，说明它是哪个项目。

我正在尝试运行以下分类器 -

• 朴素贝叶斯
• 零R
• IBK
• 神经网络

我在尝试继续时遇到了一些问题。我应该这样划分我的数据 - 前半部分将被训练并使用后半部分数据测试结果。

我首先转到“资源管理器”并打开 .csv 文件。我选择了所有属性，包括“CLASS”，然后转到分类选项卡。

从那里，我选择“百分比拆分”为 50%，然后简单地“启动”不同的分类器（如前所述）。

所以这些是问题 -

• 是正确的方法吗？
• 我是否也需要将“CLASS”列作为属性包含在内？
• 我可以在 GUI 中进行哪些修改来改进 分类器的测试结果而不更改数据？我是 试图理解这些算法 w.r.t WEKA 的工作原理 好吧，所以想尝试不同的东西。

谁能帮我解决这个问题？

谢谢！

Answer 1

您的问题有点笼统，但我会尽力提供帮助：

1. 确保在“分类”选项卡（位于“更多选项”按钮下方）中选择了“分类”列

2. 您可以使用对应于 50%/50% 拆分的 2 折交叉验证

3. 增加训练集大小 - 使用 80%/20% 百分比拆分甚至 90%/10% 而不是 50%/50%（分别对应于 5 倍和 10 倍交叉验证）。如果您的样本量较小，这可能会有所帮助

4. 明智地选择分类器 - 根据您的问题，您还可以使用决策树（例如 J48）和随机森林。

Answer 2

• 是的，方法是正确的（无论如何对于 Weka）
• 是的，您需要包含 CLASS。特别是对于需要监督训练的算法。它用于训练算法。没有它，培训师怎么知道答案应该是什么？
• 您可以尝试调整参数，但您应该这样做以获得对 TRAINING 数据的更好响应。当然，总是存在过拟合的可能性。如果您允许测试影响训练，那么您只是将测试数据用作辅助训练集——它不再是测试数据。

有人在这里问过类似的问题 How to build a good training data set for machine learning and predictions? 它们看起来像不同的问题，但涉及相同的考虑因素。