Question

我正在使用Weka对数据集进行分类。每个数据点都是我试图概括的五个主题之一。

我想让每个主题成为一个测试集，以便我可以在主题1-4上进行训练并在主题5上进行测试，然后在主题1,3,4和5上进行训练，在2上进行测试，依此类推。

有没有办法指示Weka使用一个数据集自动执行此操作一次？也就是说，我可以指示Weka按主题进行交叉验证吗？

如果已经提出这个问题，我为冗余道歉。如果它确实有，那么指导我找到答案的任何帮助都将非常受欢迎。

谢谢！

Answer 1

我能想到的一些方法可能有助于获得您想要的结果：

正如您在问题中所述，您可以生成5个不同的训练集，其余主题作为测试集。如果您打算使用Weka界面（提供训练数据，构建分类器并提供测试集，重复），则需要单独训练每个模型。如果这是一次性的话，这可能是最快的。
您可以将FilteredClassifier与RemoveWithValues过滤器一起使用。如果主题编号是可用属性，这可能能够删除特定主题的训练案例（我猜这个数据不是模型数据的一部分，因此如果使用这种方法，也可能需要属性过滤）。
如果您愿意使用Java编写解决方案，您将能够一次操作数据并构建五个分类器中的每一个。我认为这种模型的算法将如下所述。如果您计划进行大量此过程，则可能是更好的解决方案。

算法：

for each topic t
  training_data = all cases not containing topic t
  testing_data = training_set cases containing topic t
  build classifier using training_data, testing_data
  save classifier
end for

Weka分类;跨预定义主题的交叉验证

1 个答案: