属性选择+ weka +朴素贝叶斯

Question

我想知道以下三种方法中哪种方法最适合执行属性选择：

1. 使用元分类器
2. 过滤方法
3. 原生方法，直接使用属性选择类

我使用的分类器是Naive Bayes。

有人能引导我找到最佳选择吗？

Answer 1

有一种称为No free lunch的理论。您应该在问题中尝试所有这三个问题，并在您的域中生成一个衡量标准。

Answer 2

嗯，没有一个答案。

1. 您可以使用决策树分类器（如装袋）并选择分类器采取分支决策的属性。您可以看到树当然要看分支和基于分支的属性（这些属性很重要）。

2. 您可以使用前向选择或后向消除技术。 （a）在前向选择中，使用单个功能，验证/测试集上的错误最少。然后，使用功能池中包含的此功能，一次尝试其余功能，并选择再次提供最少错误的功能。 （b）在反向消除中，使用所有功能并采用错误率。然后一次消除一个功能。然后选择要从功能池中取出的功能，以最大限度地减少错误。

除非您对功能数量（停止标准）感到满意，否则请继续此过程。

1. 我个人使用排名算法和infogain属性评估器首先对属性进行排名，然后使用2（a）或2（b）来选择属性。

错误 - 您可以考虑均方根误差。其他人也可以做得很好。