分类器 weka 的组合答案

【问题标题】：Combination of classifiers weka分类器 weka 的组合
【发布时间】：2013-09-22 03:20:22
【问题描述】：

我已经基于 107 个实例、11 个特征和每个阶段的两个类构建了三个分类器。 Weka 用作机器学习工具。

Randoforest 应用于每个分类器。有谁知道我该如何组合这三个分类器？

【问题讨论】：

【解决方案1】：

这似乎是一个有点奇怪的分类器包，但最明显的解决方案是在顶部构建一个“元分类器”，它将决定什么是真正的类。考虑用以下形式的数据训练分类器：

输入：

输出：

因此您将原始数据转换为包含预测标签的表示，并在此类数据上训练新的分类器。

最简单的可能性是训练朴素贝叶斯以P(final_class=Y | classifier1(x)=y1, classifier2(x)=y2, classifier3(x)=y3) 的形式构建条件概率

【讨论】：

你似乎知道他在说什么，所以我建议你看看他的另一个question，这是关于同一主题的，似乎没有人看到（7 视图）。
你知道，在 Weka 中如何组合这些级联分类器？每个分类器中实例的数量会发生变化，因为我在每个部分中删除了不同的类标签。
你在 training 部分删除了它们，这并不意味着它们不能工作。事实上，元分类器根据这些分类器知道它属于哪个“其他”类可能很有价值。因此，0 类中的元素可以翻译为例如 (0,1,3)（因为另外 2 个不识别类 0）并且您使用 ((0,1,3),0) 提供元分类器，然后让它推导出正确的分类规则。
抱歉，我不太清楚。你能解释一下吗？
简单地说：你如何训练你的分类器并不重要。如果你训练一个“元分类器”，它会自己推导出一些规则。对于每个点（来自整个训练）（x，y）计算 cl1（x），cl2（x），cl3（x）并创建新的训练对（（cl1（x），cl2（x），cl3（x） ), y) 用于这个新的“元分类器”。即使 cl2(x) 永远不会等于 0，它在其他类之间的区别仍然可以为分类器提供信息，最终得出决策“0”（或任何其他）。