WEKA中多类的回归

Question

假设我有一个四类问题，其连续输出值在同一范围内。 （假设在10-50之内）。如果我将所有班级数据（训练数据）放在一个单独的.csv文件（对于WEKA）中，每个训练样本都有连续输出......那么我的回归模型将如何告诉我输出（连续）获得的是哪一类？我想同时量化多类输入数据

Answer 1

我现在仍然完全确定你的问题是什么，但是我假设你有四个数据集，每个数据集都有一个回归问题，并且你想对累积数据集进行回归并期望模型不仅仅是恢复回归值，但也恢复“来源”。

1. 在天真的实施中（只是连接数据），不可能，因为您将丢失有关数据源的任何信息
2. 您可以增加输出值，因此您还可以添加另一个值来指示它来自哪个集合，而不仅仅是“Y”（回归值），例如：

Set1:
x11 -> y11

Set2:
x21 -> y21

Set3:
x31 -> y31

Set4:
x41 -> y41

将其转换为

Big set: 
x11 -> (y11,1)
x21 -> (y21,2)
x31 -> (y31,3)
x41 -> (y41,4)

或以一元编码

Big set: 
x11 -> (y11,1,0,0,0)
x21 -> (y21,0,1,0,0)
x31 -> (y31,0,0,1,0)
x41 -> (y41,0,0,0,1)

这样，经过训练，您不仅可以检索回归值，还可以检索源数据集（您称之为“类”）。

当然最简单的解决方案是构建两个单独的模型，一个用于回归，一个用于分类，这样您就可以使用为这些任务设计的模型（同时使用一个模型需要为at选择一些次优解决方案）至少一部分）。

Big set regression: 
x11 -> y11
x21 -> y21
x31 -> y31
x41 -> y41

Big set classification: 
x11 -> 1
x21 -> 2
x31 -> 3
x41 -> 4

创建这样的“大集”而不是处理小集合是否有益的问题等同于回答这个问题：

  

回归的值在每个子问题中都有非常相似的预测值

所以 - 如果你有合理的理由，那么在每个子问题中，这个特征可以以类似的方式导出（因为它对应于一些独立于你的数据分裂的物理现象），那么是的，这是一个很好的方法。虽然只有在训练集非常有限的情况下才应采取这些步骤 - 假设有足够的数据，最好假设每个子问题具有不同的特征，以防止模型偏差。最后，“最终”答案是“检查两种方法并评估其表现更好”（例如使用交叉验证），这也可以让您深入了解此值是否在子集中真正独立。