我有一个二进制类数据集（0/1），向“0”类倾斜很大（大约30000对1500）。每个实例有7个功能，没有缺失值。
当我使用J48或任何其他树分类器时，我几乎将所有“1”实例错误分类为“0”。
将分类器设置为“未分级”，将每个叶子的最小实例数设置为1，将置信因子设置为1，添加具有实例ID号的虚拟属性 - 所有这些都无济于事。
我无法创建一个过度拟合数据的模型！
我也尝试了几乎所有Weka提供的其他分类器，但得到了类似的结果。
使用IB1可获得100％的准确度（列车集上的列车集），因此不会出现具有相同特征值和不同类别的多个实例的问题。
如何创建完全未修剪的树？ 或者强迫Weka过度填充我的数据？
感谢。
更新：好的，这很荒谬。我只使用了大约3100个负面例子和1200个正面例子，这是我得到的树（未修剪！）：
J48 unpruned tree
------------------
F <= 0.90747: 1 (201.0/54.0)
F > 0.90747: 0 (4153.0/1062.0)
毋庸置疑，IB1仍能提供100％的精确度。
更新2：不知道我是如何错过的 - 未经训练的SimpleCart工作并且在火车上提供100％准确度的训练;修剪过的SimpleCart并不像J48那样有偏见，并且具有不错的假阳性和阴性比率。
答案 0 :(得分：5)
Weka包含两个感兴趣的元分类器：
它们允许您使任何算法成本敏感（不限于SVM）并指定成本矩阵（各种错误的惩罚）;如果将1实例错误归类为0，则会将0错误地归类为1，从而给予较高的惩罚。
结果是算法将尝试：
尽量减少预期的错误分类成本（而非最可能的类别）
答案 1 :(得分：2)
快速而肮脏的解决方案是重新取样。扔掉除了1500个正面例子之外的所有例子并训练平衡的数据集。我很确定Weka中有一个重新采样组件可以做到这一点。
另一种解决方案是为每个类使用具有可变成本的分类器。我很确定libSVM允许你这样做，我知道Weka可以包装libSVM。但是我有一段时间没有使用过Weka，所以在这里我不能提供太多实际的帮助。