【发布时间】：2012-04-09 20:08:01
【问题描述】：
我想知道以下三种方法中哪种方法最适合执行属性选择：
- 使用元分类器
- 过滤方法
- 原生方法，直接使用属性选择类
我使用的分类器是朴素贝叶斯。
谁能指导我找到最佳选择？
【问题讨论】：
标签： weka naivebayes document-classification
【发布时间】：2012-04-09 20:08:01
【问题描述】：
有一种理论叫做No free lunch。您应该在您的问题中尝试所有这三种方法，并在您的域中进行度量。
【讨论】：
嗯，没有唯一的答案。
您可以使用决策树分类器（如 bagging）并选择分类器做出分支决策的属性。您当然可以通过查看树来查看分支以及进行分支所基于的属性（这些属性很重要）。
您可以使用前向选择或后向消除技术。 (a) 在前向选择中，使用验证/测试集误差最小的单一特征。然后将此功能包含在您的功能池中，一次尝试其余功能，并再次选择给您带来最少错误的功能。 (b) 在后向消除中，使用所有特征并取错误率。然后一次消除一个特征。然后选择一个从你的特征池中取出，它可以最大程度地减少错误。
除非您对自己的功能数量（停止标准）感到满意，否则请继续该过程。
- 我个人首先使用 ranker 算法和 infogain 属性评估器对属性进行排名，然后使用 2(a) 或 2(b) 来选择属性。
错误 - 您可以考虑均方根误差。其他人也可以做得很好。
【讨论】：