WEKA 中的多类回归

Question

假设我有一个四类问题，其连续输出值在同一范围内。 （假设在 10-50 之间）。如果我将所有类数据（训练数据）放在一个 .csv 文件（对于 WEKA）中，每个训练样本都有连续输出......那么我的回归模型将如何告诉我输出（连续）获得的是哪个班级？？？我想做多类输入数据的同时量化

Answer 1

我现在仍然完全确定您的问题是什么，但我假设您有四个数据集，每个数据集都有一个回归问题，并且您希望对累积数据集执行回归并期望模型不仅恢复回归值，但也恢复“源”。

1. 在幼稚的实现中（只是连接数据）不可能，因为您将丢失有关数据来源的任何信息
2. 您可以增加输出值，因此您还可以添加另一个值来指示它来自哪个集合，而不只是“Y”（回归值），例如：

.

Set1:
x11 -> y11

Set2:
x21 -> y21

Set3:
x31 -> y31

Set4:
x41 -> y41

你把它转换成

Big set: 
x11 -> (y11,1)
x21 -> (y21,2)
x31 -> (y31,3)
x41 -> (y41,4)

或在一元编码中

Big set: 
x11 -> (y11,1,0,0,0)
x21 -> (y21,0,1,0,0)
x31 -> (y31,0,0,1,0)
x41 -> (y41,0,0,0,1)

这样，一旦经过训练，您不仅可以检索回归值，还可以检索源数据集（您将其称为“类”）。

当然，最简单的解决方案是构建两个单独的模型，一个用于回归，一个用于分类，这样您就可以使用为这些任务设计的模型（而使用一个模型需要为至少一部分）。

Big set regression: 
x11 -> y11
x21 -> y21
x31 -> y31
x41 -> y41

Big set classification: 
x11 -> 1
x21 -> 2
x31 -> 3
x41 -> 4

创建这样的“大集合”而不是处理小集合是否有益的问题相当于回答了这个问题：

被回归的值在每个子问题中是否具有非常相似的预测变量

所以 - 如果你有合理的理由，在每个子问题中，这个特征可以以类似的方式推导出来（因为它对应于一些独立于你的数据拆分的物理现象），那么是的，这是一个好方法。尽管只有在训练集非常有限的情况下才应采取此类步骤 - 给定足够的数据，最好假设每个子问题具有不同的特征，以防止模型偏差。最后，“最终”答案是“检查两种方法并评估表现更好的方法”（例如使用交叉验证），这也将使您了解该值是否真正独立于子集中。