machine-learning - 关于使用机器学习工具 Weka 的问题

Question

我正在使用 Weka 的资源管理器功能进行分类。

所以我有我的 .arff 文件，其中有 2 个 NUMERIC 值的特征，我的类是二进制 0 或 1(例如 {0,1})。

示例:

@RELATION summary
@ATTRIBUTE feature1 NUMERIC
@ATTRIBUTE feature2 NUMERIC
@ATTRIBUTE class {1,0}

@DATA
23,11,0
20,100,1
2,36,0
98,8,1
.....

我加载此 .arff 文件，使用 10 倍交叉验证(无测试文件)，并选择 NaiveBayes，然后对数据进行分类，它给出:5 个错误标记，100 个正确标记。到目前为止一切顺利。

现在，我显着更改了 .arff 文件(为我的特征属性提供完全随机的值)。重复上述操作，分类时我得到了完全相同的统计数据。

我尝试对我的 .arff 文件进行更多更改，使用不同的分类算法。尽管如此，无论我给 .arff 文件赋予什么值，统计数据都是完全相同的(在相同的算法内)。

我在这里做错了什么吗？

Answer 1

如果没有更多信息，很难说，但我有两个建议:

1. 两个类别的相对比例是多少？是5到100吗？许多算法不能很好地处理高度倾斜的类标签分布。

2. 只是一种预感，但请尝试将类标签从数字更改为字符串(例如“class1”和“class2”)。 Weka 将这些称为“名义”属性，因此可能不允许使用数字。