如何使用WEKA机器学习软件对以下类型的数据进行分类？

Question

我有一个包含10列的.csv文件。前9个与特定项目的属性相关，而第10个列具有“类”，表示它是哪个项目。

我正在尝试运行以下分类器 -

• 朴素贝叶斯
• ZeroR
• IBK
• 神经网络

我在尝试继续操作时遇到了一些麻烦。我应该将我的数据划分为 - 前半部分将被训练并使用后半部分数据测试结果。

我首先转到“资源管理器”并打开.csv文件。我选择所有属性，包括“CLASS”，然后转到分类标签。

从那里，我选择“百分比分割”为50％并简单地“开始”不同的分类器（如前所述）。

所以这些是问题 -

• 是正确的方法吗？
• 我是否还需要将“CLASS”列作为属性包含在内？
• 我可以在GUI中进行哪些修改来改进 在不改变数据的情况下测试分类器的结果？我是 试图了解这些算法的工作情况w.r.t WEKA as 好吧，所以想尝试不同的东西。

任何人都可以帮我吗？

谢谢！

Answer 1

你的问题有点过于笼统，但我会尽力帮助：

1. 确保＆＃34; Class＆＃34;在＆＃34; Classify＆＃34;中选择了列。标签（下方＆＃34;更多选项＆＃34;按钮）

2. 您可以使用2倍交叉验证，相当于50％/ 50％分割

3. 增加训练集大小 - 使用80％/ 20％百分比或甚至90％/ 10％而不是50％/ 50％（分别对应于5倍和10倍交叉验证）。如果您的样本量较小，这可能会有所帮助

4. 明智地选择分类器 - 根据您的问题，您还可以使用例如决策树（例如J48）和随机森林。

Answer 2

• 是的，方法是对的（对于Weka无论如何）
• 是的，您需要包含CLASS。特别是对于需要监督训练的算法。它用于训练算法。如果没有它，训练师将如何知道答案应该是什么？
• 您可以尝试调整参数，但是您应该这样做以更好地响应TRAINING数据。当然，总是存在过度拟合的可能性。如果您允许测试影响培训，那么您刚刚将测试数据用作辅助训练集 - 它不再是测试数据。

有人在这里问了一个类似的问题 How to build a good training data set for machine learning and predictions? 它们看起来像是不同的问题但涉及相同的考虑因素。