如何自动优化Weka中的分类器以使给定的类包含100％可靠的数据？

Question

我有两个（或三个）课程，每个课程只能拥有一个标签 我想优化（如果可能的话自动）参数和分类器的阈值，以便我的第一个类只包含100％可靠的数据。即使它包含少量实例。

我不介意其余课程包含误报或正确拒绝 我不介意有未分类的数据。

我一直在搜索stackoverflow和weka的维基，但也许我对weka的了解不足让我错过了一些关键词。
我还尝试用着名的＆＃34; iris＆＃34;数据库，但我认为在这种情况下，任何类都可以100％肯定。

然而，我只是成功地测试了多个分类器并手动调整它们，但是我的第一堂课没有100％正确。 （我在weka报告给出的混淆矩阵中检查了这个结果。） 不知何故，我知道我的班级可以包含100％可靠的数据，因为我设法在Matlab中手动设置简单的阈值。但我想尝试一个更大的数据库，以获得更好的阈值并使用weka的力量。

任何建议都会有所帮助，谢谢！

Answer 1

您可能需要“元”分类器中的“成本敏感分类器”。 如果你在资源管理器中工作，这是你得到的对话框。

选择你的“分类器”（超越ZeroR :)）。 设置“成本矩阵”。对于2类问题，这将是2x2矩阵。 通过将一个非对角线分量设置得非常大（>> 1，让我们说1000），您可以确保错误分类一个类（您的“第一个”类）比错误分类另一个类要贵1000倍。这应该做的工作。