Weka数据挖掘

Question

我正在学习如何进行数据挖掘，而我正在使用UCI网站上的这个数据集。

http://archive.ics.uci.edu/ml/datasets/Forest+Fires

我遇到的问题是如何处理区域类。我从描述中理解的是，我需要使用AddExpression将ln（x + 1）应用于区域。

我是否朝着正确的方向前进？或者我应该调查其他过滤器吗？谢谢。

Answer 1

我尝试根据您提供的少量信息回答您的问题。我没有使用森林火灾数据集，但通过检查我发现分类器属性“区域”通常具有值0.也许你不能简单地用Area = 0过滤掉这些行。你的数据集可能变得太小，或者诸如此类的东西。

我认为你被要求对“log（area）”执行某些属性的回归以便将其线性化。但是，当您尝试计算区域的日志时，诸如log（0）之类的值是个问题。介于0和1之间的值也可能存在问题。

所以常见的解决方法是将“Area”的值加1。这会引入系统错误，但它很小，它会删除所有0值，您仍然可以从日志（x + 1）转换的数据集中导出有用的模型。

是的，在Weka中你可以通过“Preprocess”/ AddExpression（x + 1）来完成。这会创建一个新属性。然后你可以删除旧区域属性。

当然，在解释模型时，您应该了解转型。如果您只想找出线性回归模型中重要的独立属性，我会说转换无关紧要。数据点只是移动了一点点。