【发布时间】：2013-03-05 16:48:45
【问题描述】：
我有一个关于数据挖掘中单个特征评估器的问题。
可以OneRAttributeEval, InfoGainAttributeEval, GainRatioAttributeEval, ChiSquaredAttributeEval
可用于非二元类分类器？
【问题讨论】：
标签： machine-learning classification weka
【发布时间】：2013-03-05 16:48:45
【问题描述】：
是的，这些特征选择技术可以用于多类分类问题。通常，如果某些东西适用于两个类，它可以扩展为处理多个类（2 个或更多）。如果您简要了解这些技术的工作原理，您就会明白。
OneR 基本上是为一个特征构造一个单一的规则并计算分类准确率，特征选择选择提供最佳性能的特征。在多类问题的上下文中仅使用单个规则来评估特征的有用性可能不是最好的方法，但可以做到。
关于其他三种技术，用于评估特征有用性的度量 - 信息增益、增益比、卡方度量 - 已经考虑了每个类别的加权分数。因此，这些技术可用于在多类分类的上下文中选择特征。
另外，快速搜索一下，我找到了以下链接：
在我看来，您正在查看这些确切的功能。如果您查看这些链接中的每一个，您应该能够找到“功能”。在此之下，您会发现这些函数中的每一个都可以处理“名义类”（在“类”行中）。标称是多类的。
【讨论】：