对新的名义实例进行分类时更新数据集

Question

我正在使用 J48 对由数值和标称值组成的实例进行分类。 我的问题是我不知道在我的程序中会遇到哪个名义价值。 因此，我需要“即时”更新模型的名义属性数据。

例如，假设我只有 2 个属性，职业和年龄，运行如下： OccuptaionAttribute = {}。

---

输入：[钢琴老师，22 岁]。

OccuptaionAttribute = {钢琴老师}。

---

输入：[学校老师，30]

OccuptaionAttribute = {钢琴老师，学校老师}。

---

输入：[钢琴老师，40]

OccuptaionAttribute = {钢琴老师，学校老师}。

---

等等

现在我尝试通过复制以前的属性、添加新属性然后更新模型的数据来手动执行此操作。 训练模型时效果很好。

但是！ 当我想分类一个新实例时，比如 [SW 工程师，52]，OccuptaionAttribute 已更新： OccuptaionAttribute = {钢琴老师，学校老师，软件工程师}，但树本身之前从未“遇到”“软件工程师”，因此无法满足分类并抛出异常。

您能指导如何处理上述情况吗？ Weka 是否有任何机制支持上述问题？

谢谢！

Answer 1

在训练时将占位符数据添加到您的名义属性中，例如 __other__。 在尝试对实例进行分类之前，首先检查是否见过名义属性的值；如果它不使用占位符值：

Attribute attribute = instances.attribute("OccuptaionAttribute");
String s = "SW engineer";
int index = attribute.indexOfValue(s);
if (index == -1) {
    index = attribute.indexOfValue("__other__");
}

当您有足够的数据再次使用新值进行训练时。