Question

我正在使用WEKA来训练分类Java程序。最初有几个类别，比方说10个，系统必须使用这些初始类别并开始培训。为了做到这一点......：

String [] categories = {"cat1", "cat2", ..., "cat10"};

public SomeClassifier(String[] categories) {

// Creates a FastVector of attributes.
FastVector attributes = new FastVector(3);

// Add attribute for holding property one.
attributes.addElement(new Attribute(P1_ATTRIBUTE, (FastVector) null));

// Add attribute for holding property two.
attributes.addElement(new Attribute(P2_ATTRIBUTE, (FastVector) null));

// Add values attribute.
FastVector values = new FastVector(categories.length);
for (int i = 0; i < categories.length; i++) {
    values.addElement(categories[i]);
}

attributes.addElement(new Attribute(CATEGORY_ATTRIBUTE, values));

// Create dataset with initial capacity of 25, and set index
Instances myInstances = new Instances(SOME_NAME, attributes, 25);
myInstances.setClassIndex(myInstances.numAttributes() - 1);
}

好的，现在，时间过去了，我想在我的训练集中添加一个新类别（比方说，“cat11”），这已经在训练中获得了一些成功。我怎么能做到这一点？ WEKA文档说“一旦创建了一个属性，它就无法更改”。所以，也许我可以从Instances对象中取出属性，重新创建属性然后再次插入它......或者那会搞砸一切吗？

提前致谢。

Answer 1

好吧，显然，使用NaïveBayes的实现无法做到这一点。这是因为在初始化分类器时，附加到分类器的所有类别必须加1，并且当训练分类器时，具有概率！= 0的新类别将导致分类器以具有＆gt;的和的奇怪方式运行。 1. Morevoer，分类器可以在类别数量的影响下初始化其算法（计算条件概率和迭代），并且在创建后添加新算法将意味着以某种方式重建算法。

所以，这留下了一个问题......我可以使用哪种分类机制，这可以让我随着时间的推移引入新的类别？

Java - WEKA - 为训练集添加新类别

1 个答案: