Question

我现在正在尝试使用Weka在我的训练数据上构建J48（C4.5）分类器模型。

首先，我这样做，似乎没问题：

java -Xmx10G -cp /weka/weka.jar weka.core.converters.TextDirectoryLoader -dir / home / test / cats＆gt; /home/test/cats.arff

这似乎也没关系：

java -Xmx10G -cp /weka/weka.jar weka.filters.unsupervised.attribute.StringToWordVector -i /home/test/cats.arff -o /home/test/cats-vector.arff

这不行：

java -Xmx10G -cp /weka/weka.jar weka.classifiers.trees.J48 -t /home/test/cats-vector.arff -d /home/test/cats.model

它出现以下错误：

weka.core.UnsupportedAttributeTypeException: weka.classifiers.trees.j48.C45Prune                 ableClassifierTree: Cannot handle numeric class!
        at weka.core.Capabilities.test(Capabilities.java:954)
        at weka.core.Capabilities.test(Capabilities.java:1110)
        at weka.core.Capabilities.test(Capabilities.java:1023)
        at weka.core.Capabilities.testWithFail(Capabilities.java:1302)
        at weka.classifiers.trees.j48.C45PruneableClassifierTree.buildClassifier                 (C45PruneableClassifierTree.java:116)
        at weka.classifiers.trees.J48.buildClassifier(J48.java:236)
        at weka.classifiers.Evaluation.evaluateModel(Evaluation.java:1076)
        at weka.classifiers.Classifier.runClassifier(Classifier.java:312)
        at weka.classifiers.trees.J48.main(J48.java:948)

所以我接着尝试了这个：

java -Xmx10G -cp /weka/weka.jar weka.classifiers.trees.J48 -t /home/test/cats.arff -d /home/test/cats.model

这也给出了错误：

weka.core.UnsupportedAttributeTypeException: weka.classifiers.trees.j48.C45PruneableClassifierTree: Cannot handle string attributes!
        at weka.core.Capabilities.test(Capabilities.java:980)
        at weka.core.Capabilities.test(Capabilities.java:869)
        at weka.core.Capabilities.test(Capabilities.java:1085)
        at weka.core.Capabilities.test(Capabilities.java:1023)
        at weka.core.Capabilities.testWithFail(Capabilities.java:1302)
        at weka.classifiers.trees.j48.C45PruneableClassifierTree.buildClassifier(C45PruneableClassifierTree.java:116)
        at weka.classifiers.trees.J48.buildClassifier(J48.java:236)
        at weka.classifiers.Evaluation.evaluateModel(Evaluation.java:1076)
        at weka.classifiers.Classifier.runClassifier(Classifier.java:312)
        at weka.classifiers.trees.J48.main(J48.java:948)

显然我已经以某种方式准备了错误的数据（BTW输入是子目录中的文本文件，这些文件由我想要的类别命名）。但我以为我遵循了Weka Wiki上的说明： Weka Wiki Categorizing Text Files Weka Wiki Primer

那么我做错了什么？我想使用J48，因为它在测试中对我的数据给出了高精度。那么我该如何处理我的数据以使J48分类器接受它呢？或者我需要使用不同的分类器吗？

请帮忙！

Answer 1

单词向量可以像这样转换为二进制：

java -Xmx4G -cp /weka/weka.jar weka.filters.unsupervised.attribute.NumericToBinary -i /home/test/cats-vector.arff -o /home/test/cats-binary.arff

虽然这会增加您正在训练的数据类型的偏见。这意味着非常接近彼此的二进制字符串被视为更远离字符串。如果你想要消除这种偏见并将每个字符串视为一个完全独特的实体，那么使用@attribute class {ABC, DEF, GHI, etc}然后它就可以了！

如果你真的想要传达这些特征是重要的而且根本不相关，那么为每个字符串创建一个完整的列，其中当一行具有该类别时它具有值“1”，并且当它具有该类别时为0才不是。这会产生非常稀疏的数据，但是学习算法会偏向于扫描该数据以获取信息。

Answer 2

J48分类器是一个树分类器，只接受名义类。这意味着您必须事先知道您将对实例进行分类的类。 IE，如果你试图预测评级并且你知道评级是5级李克特量表，你必须在你的ARFF文件中用@attribute class {1,2,3,4,5}明确说明，但如果你预测权重然后，这个值可能是一个实数，因此不能“适合”树分类。注意：一种方法是创建可用重量的样本：从10到15千克，从15到20千克等。这样你就可以有一个名义上的类属性。

Weka J48分类器：无法处理数字类？

2 个答案: