了解Weka的代码

Question

我正在研究machine learning book, written by Boštjan Kaluža, Pact publishing。

以下是代码的简要定义。

  

旨在调查加热和冷却负荷的代码   基于建筑的建筑要求   表面，墙壁和屋顶区域，高度，雾化等特征   面积和紧凑性。研究人员使用模拟器设计12   不同的房屋配置，而不同的18建筑   特点。我们的第一个目标是系统地分析   影响每个建筑物特征对目标变量的影响   是，加热或冷却负载。我们将使用线性回归   估计模型。线性回归模型构造了一个函数   线性组合输入变量以估算加热   负荷。

下表显示了我们分析的数据：

以下是代码：

public static void main(String[] args) throws Exception {
  BufferedReader br = new BufferedReader(new InputStreamReader(System.in));

  System.out.print("Enter the path of the data file:");      
  String s = br.readLine();

  // load CSV     
  CSVLoader loader = new CSVLoader();     
  loader.setSource(new File(s));

  Instances data = loader.getDataSet();

  //We will start with learning a model for heating load by setting the class 
  //attribute at the feature position
  data.setClassIndex(data.numAttributes() - 1);

  //The second target variable—cooling load—can be now removed:
  Remove remove = new Remove();
  remove.setOptions(new String[]{"-R", data.numAttributes()+""});
  remove.setInputFormat(data);  
  data = Filter.useFilter(data, remove);

  data.setClassIndex(data.numAttributes() - 1);
  LinearRegression model = new LinearRegression();
  model.buildClassifier(data); 
  System.out.println(model);      
}

在代码中，我们删除了＃34;第二个目标变量冷却负载＆＃34;。我想问的问题是，我们为什么要这样做？提前谢谢。

Answer 1

输入x1到xn y1到y2是目标（输出）。 他们首先想要对x1到y1进行线性回归，例如：加热负荷。这就是他们删除最后一个的原因。

Answer 2

最有可能会有两种型号;一个预测加热负荷，一个预测冷负荷。原因是试图一起预测它们会导致多元回归，而不是线性回归。在线性回归中，只有一个因变量。