解释weka中属性选择的输出

时间:2017-10-10 18:45:28

标签: weka

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?

1 个答案:

答案 0 :(得分:0)

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_DOArDT_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。