关于使用机器学习工具Weka的问题

Question

我正在使用Weka的资源管理器功能进行分类。

所以我有我的.arff文件，有两个NUMERIC值的特征，我的类是二进制0或1（例如{0,1}）。

样品：

@RELATION summary
@ATTRIBUTE feature1 NUMERIC
@ATTRIBUTE feature2 NUMERIC
@ATTRIBUTE class {1,0}

@DATA
23,11,0
20,100,1
2,36,0
98,8,1
.....

我加载这个.arff文件，使用10倍交叉验证（没有测试文件），然后选择NaiveBayes，然后我对数据进行分类，它给了我：5个标记错误，100个正确标记。到目前为止一切都很好。

现在，我显着更改了我的.arff文件（为我的功能属性提供完全随机的值）。并重复上述内容，我在分类时得到完全相同的统计数据。

我尝试对我的.arff文件进行更多更改，使用不同的分类算法。不过，无论我给.arff文件的值是什么，都要完全相同的统计数据（在同一算法中）。

我在这里做错了吗？

Answer 1

没有更多信息很难说，但我有两个建议：

1. 这两个班级的相对比例是多少？是5到100吗？许多算法不适用于高度偏斜的类标签分布。

2. 只是预感，但请尝试将您的班级标签从数字更改为字符串（例如'class1'和'class2'）。 Weka称这些'名义'属性，所以可能不允许使用数字。

Answer 2

另外：请记住，交叉验证在UI中非常可怕，因为它们只显示原始树，无论如何（在它们折叠到其他数据之前）。如果您想生成最终树，则需要编程API。我建议使用拆分训练/测试数据集。

Answer 3

您是否尝试过更改

@ATTRIBUTE class {1,0} 

与

@ATTRIBUTE class {yes,no}