Question

我试图使用Weka的NaiveBayesUpdateable分类器。我的数据包含名义和数字属性：

  @relation cars
  @attribute country {FR, UK, ...}
  @attribute city {London, Paris, ...}
  @attribute car_make {Toyota, BMW, ...}
  @attribute price numeric   %% car price 
  @attribute sales numeric   %% number of cars sold

我需要根据其他属性预测销售数量（数字！）。

据我所知，我不能在Weka中使用数字属性进行贝叶斯分类。一种技术是在长度为k的N个区间中拆分数值属性的值，而使用标称属性，其中n是类名，如下所示：@attribute class {1,2,3，... N}。

我需要预测的数字属性范围从0到1 000 000.创建1 000 000个类根本没有意义。如何使用Weka预测数字属性或者在Weka没有用于此任务的工具的情况下查找哪些算法？

Answer 1

这根本不是分类问题。您应该使用regression模型，例如LinearRegression

Answer 2

正如@larsmans所说，它不是分类，而是回归模型。问题是回归只适用于数字数据。分类数据的标准方法是使用所谓的dummy variables。每个虚拟变量代表一个分类变量状态，并且是1或0.因此，您的属性列表可能会更改为以下内容：

@relation cars
@attribute country_FR
@attribute country_UK
...
@attribute city_London
@attribute city_Paris
...

例如，如果city为London，则变量city_London将设置为1，所有其他city_*变量将设置为0.

Java，Weka：如何预测数字属性？

2 个答案: