WEKA - 过滤掉 MultiClassClassifer 中的类答案

【问题标题】：WEKA - filtering out classes in a MultiClassClassiferWEKA - 过滤掉 MultiClassClassifer 中的类
【发布时间】：2016-06-24 10:28:33
【问题描述】：

我已经训练了一个MultiClassClassifier（经过测试，工作正常）并将其保存在我的硬盘驱动器的某个位置。现在我想对我得到的一个新样本进行预测。我加载我的应用程序，我的分类器自动加载它。在分类过程之外，我已经将样本的搜索范围缩小到五个 5 个可能的类别。这意味着，我知道k 类，可以在分类中轻松避免。

是否可以在使用之前过滤 MultiClassClassifier（过滤掉所有不需要的类）？

如果是？ Weka 方法可以用于此目的吗？ 如果没有，是否有改动。解决办法？

我想通过将关注范围缩小到 n 类中的 5 个类来提高分类器的准确性。

我找到了如何过滤Instances 对象，但似乎找不到适合MultiClassClassifer 的方法。

我要操作的数据是/是我的测试Instances 和我的MultiClassClassifier。

提前谢谢你。

【问题讨论】：

标签： java machine-learning classification svm weka

【解决方案1】：

实际上并没有办法修改现有的 MultiClassClassifier 以排除类。但是，根据您使用的基础分类器，您可以尝试使用.distributionForInstance，它会输出一个置信度分数向量，每个类别一个。然后，您可以选择得分最高的课程，忽略不在目标集中的课程的分数。

【讨论】：

感谢您的快速响应。我正在使用 MultiClassClassifier 并启用了选项 SMO 和逻辑模型 (-M) 拟合。
它应该可以工作 - 我之前使用了带有 SMO MultiClassClassifier 的 distributionForInstance 并且它可以工作。试一试。
到时一定会试一试的。将尽快报告。谢谢。
我已经对其进行了编码，它看起来真的很脏。忽略分布，尤其是数字在k 类之间平均分布的情况有点讨厌。例如，我有一个样本有 20% 分布到正确分类的类别。如此低的分布确实表明对分类程序的怀疑。确实应该有一种过滤分类器的方法，因此distributionForInstance 方法可以在这些情况下正确使用。再次感谢您的时间和解释。将密切关注更多解决方案。希望有一天，会有人解决这个烂摊子。