训练和测试集在构建决策树和使用它进行分类中的作用答案

【问题标题】：The Role of the Training & Tests Sets in Building a Decision Tree and Using it to Classify训练和测试集在构建决策树和使用它进行分类中的作用
【发布时间】：2011-06-29 09:04:47
【问题描述】：

我已经在 weka 工作了几个月了。目前，我正在 Ostfold 大学学院学习我的机器学习课程。我需要一种更好的方法来构建基于分离的训练和测试集的决策树。任何想出好主意的人都可以得到很大的缓解。提前谢谢。

-Neo

【问题讨论】：

比什么好？你用什么方法？到目前为止你做了什么？
我用过 C5.0 工具。在其中指定训练和测试数据集非常容易。但在 weka，我没有找到这样的选项。

标签： machine-learning weka decision-tree

【解决方案1】：

您可能会要求更具体的内容，但一般来说：

您使用训练集构建决策树，并使用测试集评估该树的性能。换句话说，在测试数据上，您调用一个通常命名为 c*lassify* 的函数，传入新建的树和您希望分类的数据点（在您的测试集中）。

此函数返回该数据点所属的树中的叶（终端）节点 - 并假设该叶的内容是同质的（填充来自单个类的数据，而不是混合数据），那么您有本质为该数据点分配了一个类标签。当您将树分配的类标签与数据点的实际类标签进行比较，并对测试集中的所有实例进行重复时，您就有了一个衡量树性能的指标。

经验法则：打乱您的数据，然后将 90% 分配给训练集，另外 10% 分配给测试集。

【讨论】：

【解决方案2】：

实际上我正在寻找这样的东西 - http://weka.wikispaces.com/Saving+and+loading+models 保存模型，加载它并在训练集中使用它。这正是我一直在寻找的。希望它对与我有类似问题的人有用。干杯 -Neo182

【讨论】：