【发布时间】:2015-03-21 22:11:39
【问题描述】:
我有一个 2001 属性和 63 个实例的数据集,在使用 Weka 进行分类时,我们可以看到 J48 与 Naive Bayes 相比具有更高的准确度。但是在进行 PCA 之后,我们可以看到 J48 的准确度与第一个相比有所下降首先我得到了 82%,在 PCA 之后我得到了 72.5%。这是什么原因?
【问题讨论】:
标签: weka data-mining
我有一个 2001 属性和 63 个实例的数据集,在使用 Weka 进行分类时,我们可以看到 J48 与 Naive Bayes 相比具有更高的准确度。但是在进行 PCA 之后,我们可以看到 J48 的准确度与第一个相比有所下降首先我得到了 82%,在 PCA 之后我得到了 72.5%。这是什么原因?
【问题讨论】:
标签: weka data-mining
决策树选择特征。
PCA 将功能混合到组件中。
这使得特征选择的工作量大大减少 - 每个输入特征都会影响(几乎)每个派生特征。
不要认为 PCA 是解决所有问题的神奇工具。它可以工作 - 但它也会使事情变得更糟。
【讨论】: