weka对旋转林方法中的分类属性做了什么？

Question

我有一个具有数字和分类属性的数据集。我正在通过weka中的旋转森林进行分类。我知道旋转森林只适用于数值属性，因为它计算PCA和其他东西。

我的期望是weka忽略分类属性，但是当我使用整个数据集进行分类以及从数据集中删除分类属性时，性能结果会有所不同。

weka对旋转林方法中的分类属性做了什么？

Answer 1

  

weka对旋转林方法中的分类属性做了什么？

我不知道。

然而，如何明确转换您的attribites？

在Weka，＆＃34;分类属性＆＃34;被称为＆＃34;名义属性＆＃34;。

在预处理面板中，您可以应用多个替代过滤器来完成任务。

应用无监督属性过滤器＆＃34; NominalToBinary＆＃34;，并查看它如何更改属性（使用二进制虚拟变量创建列）。

或者，您可以应用监督属性过滤器＆＃34; NominalToBinary＆＃34;它以稍微不同的方式转换属性（检查出来）。

另一种选择是尝试无监督属性过滤器＆＃34; MakeIndicator＆＃34; （转换为数字，但将所有类别归为0，但编码为数字1的类别除外。）

选择哪种替代方案？这取决于您的要求。

Answer 2

旋转森林类似于随机森林，可以与分类数据一起使用。它们使用基本分类器集合，这些基本分类器在特征空间的子集上进行训练。在Weka中，默认的基本分类器是J48决策树，它可以处理分类数据，但是，您可以使用几乎任何基本分类器。使用与PCA结合的特征空间的自举采样获得特征子集。在这种情况下，PCA不用于降低维数，它用于为特征空间选择最佳旋转轴，并且尺寸不会减小，因此PCA和分类数据的常见问题在这种情况下并不真正适用。 Weka还允许您从PCA更改主滤波器，因此您可以应用其他方法来选择可能更适合标称数据的最佳旋转轴。

Answer 3

如果您的分类属性被分类为数字，Weka会将它们视为数字属性。