解释weka中属性选择的输出

Question

我有

=== Attribute selection 10 fold cross-validation seed: 2 ===

number of folds (%)  attribute

          10(100 %)   1 H0_D0 
          10(100 %)   3 Ar
           0(  0 %)   4 LT_LH
           0(  0 %)   5 tan_y_2
          10(100 %)   6 DT_D0
           0(  0 %)   7 LH_DT

请您解释一下这个结果吗？

Answer 1

weka中有几种类型的特征选择算法。 您添加的输出可能是CFS（CfsSubsetEval）算法的输出。

简单来说，这个算法旨在找到“一起工作”的特征子集。您看到的输出是选择每个特征的折叠数（如果您不知道这些折叠是什么，请阅读有关k折交叉验证的信息）。 更具体地说：{10}中选择了HO_DO，Ar和DT_DO，而其他功能从未被选中。

InfoGainAttributeEval等其他算法还有其他输出。它们的输出是每个特征收到的平均分数（在大多数情况下，越高越好）和它的STD值。

祝你好运。