Question

这是我的问题的一个例子

library(RWeka)
iris <- read.arff("iris.arff")

执行nfolds以获得分类器的正确准确度。

m<-J48(class~., data=iris)
e<-evaluate_Weka_classifier(m,numFolds = 5)
summary(e)

此处提供的结果是通过使用部分数据集构建模型并使用其他部件进行测试获得的，因此可提供准确的精度

现在我执行AdaBoost来优化分类器的参数

m2 <- AdaBoostM1(class ~. , data = temp ,control = Weka_control(W = list(J48, M = 30)))
summary(m2)

此处提供的结果是通过使用相同的数据集来构建模型以及用于评估模型的相同数据集获得的，因此精度不能代表我们使用模型评估其他实例的实际精度。不过，此过程有助于优化构建的模型。

主要问题是我无法优化构建的模型，同时使用未用于构建模型的数据对其进行测试，或者仅使用nfold验证方法来获得正确的精度。

Answer 1

我猜你误解了evaluate_Weka_classifier的功能。在这两种情况下，evaluate_Weka_classifier仅根据训练数据进行交叉验证。它不会改变模型本身。比较以下代码的混淆矩阵：

m<-J48(Species~., data=iris)
e<-evaluate_Weka_classifier(m,numFolds = 5)
summary(m)
e


m2 <- AdaBoostM1(Species ~. , data = iris ,
       control = Weka_control(W = list(J48, M = 30)))
e2 <- evaluate_Weka_classifier(m2,numFolds = 5)
summary(m2)
e2

在这两种情况下，摘要都会根据训练数据为您提供评估，而函数evaluate_Weka_classifier()会为您提供正确的交叉验证。对于J48和AdaBoostM1，模型本身都不会根据交叉验证进行更新。

现在关于AdaBoost算法本身：实际上，它确实使用某种“加权交叉验证”来得出最终的分类器。在下一个构建步骤中，错误分类的项目被赋予更多权重，但是对于所有观察，使用相同的权重进行评估。因此，使用交叉验证来优化结果并不完全符合自适应增强算法背后的一般思路。

如果您想使用训练集和评估集进行真正的交叉验证，您可以执行以下操作：

id <- sample(1:length(iris$Species),length(iris$Species)*0.5)
m3 <- AdaBoostM1(Species ~. , data = iris[id,] ,
      control = Weka_control(W = list(J48, M=5)))

e3 <- evaluate_Weka_classifier(m3,numFolds = 5)
# true crossvalidation
e4 <- evaluate_Weka_classifier(m3,newdata=iris[-id,])

summary(m3)
e3
e4

如果您想要一个基于交叉验证更新的模型，您将不得不使用其他算法，例如来自randomForest包的randomForest()。它基于交叉验证收集一组最佳树。它也可以与RWeka包一起使用。

编辑：更正了真正交叉验证的代码。使用subset参数也会在evaluate_Weka_classifier()中生效。

使用r和weka。如何使用元算法和nfold评估方法？

1 个答案: