据说不同的算法有不同的参数。我真的不认为这是真的，比如说如果它是一个树决策算法和朴素贝叶斯算法，每个的参数是什么？谁能给我一个例子..
如果是这种情况，那么对将要使用决策树算法运行的数据进行 5 折交叉验证与贝叶斯算法不同吗？
另外，对于参数优化，我将进行 5 折交叉验证。有没有办法自动执行此操作以使用 weka 确定参数的设置值键？
【问题讨论】：
标签： artificial-intelligence classification bayesian weka decision-tree
由于您使用的是 Weka，您可以通过在Explorer 中打开数据集，转到Classify，选择算法，然后单击算法框来查看每个算法的参数。因此，例如朴素贝叶斯分类器的参数会影响它如何处理连续数据（离散化或使用核估计器）
【讨论】：
决策算法的参数可能会随着时间的推移在算法中发生变化，当然在算法之间也会发生变化。
假设您有一个 AI 决策树，用于确定战场上移动的士兵。你可能有一个防御算法，它会寻求一个尽可能最大化自己生命的决定。您可能有一个激进的算法，它将寻求对其他士兵的最大伤害。您可能有拆除算法来寻求对墙壁的结构性损坏。其中每一个都有不同的参数来确定做出哪个决定。
随着模拟的进行，决策参数可能会发生变化。例如，激进算法可能会以 2:1 的方式权衡造成的伤害与承受的伤害。假设 AI 愿意在未来 100 个模拟周期中做出决定。它可能会发现，即使它的重量为 2:1，它为做出决定而运行的模拟与实际发生的情况并不匹配。如果它计算出它会造成 100 点伤害，但会造成 200 点伤害，但它实际上会造成 150 点伤害，这会在它几乎无法造成 70 点伤害之前杀死它，（假设它的设计目标是）它可以考虑到这一点。同样，它可能会发现，当它在特定条件下选择重新定位时，它能够在 T+10 刻时避免伤害，获得有利位置，并在 T+40 到 T+80 刻时造成比正常情况更多的伤害.这将导致它比以前更多地考虑更安全的情况。
【讨论】：