我已经在weka工作了几个月了。 目前，我正在奥斯特福德大学学院学习机器学习课程。 我需要一种更好的方法来构建基于分离的训练和测试集的决策树。 任何提出好主意的人都可以获得非常大的帮助。 提前完成。
-Neo
答案 0 :(得分：4)
你可能会要求更具体的东西，但总的来说：
使用训练集构建决策树，并使用测试集评估该树的性能。换句话说，在测试数据上，您调用一个通常命名为c * lassify *的函数，传入新构建的树和您希望分类的数据点（在您的测试集中）。
此函数从树中返回该数据点所属的叶子（终端）节点 - 并假设该叶子的内容是同质的（填充来自单个类的数据，而不是混合），那么您有本质为该数据点分配了一个类标签。当您将树指定的类标签与数据点的实际类标签进行比较，并对测试集中的所有实例重复时，您有一个度量来评估树的性能。
经验法则：随机播放您的数据，然后将90％分配给训练集，将另外10％分配给测试集。
答案 1 :(得分：0)
实际上我正在寻找类似的东西 - http://weka.wikispaces.com/Saving+and+loading+models 保存模型，加载它并在训练集中使用它。 这正是我在寻找的东西。希望它对我遇到类似问题的人有用。 干杯 -Neo182