machine-learning - Weka，无法让最近的邻居使用当前的测试和训练集

Question

目前我正在使用 Weka，我正在尝试使用最近邻方法对我的测试集进行分类。我的训练集和测试集都有 11 列数值，最后一列是要分类的列。两者均已使用 Weka 工具从 .csv 转换为 .arff。

preview training set

preview test set

首先，我上传了训练集，并在“测试选项”下的“分类”选项卡中选中了“使用训练集”。我选择了“IBk”分类器并将邻居数设置为 10。(错误的)输出是这样的:

接下来我检查了“提供的测试集”并上传了我的测试集。只有最后一列是空的(除了标题)。但是当我尝试运行它时，我得到以下输出，表示没有被分类:

此时我只是不明白该怎么办。据我所知，我的测试和训练集是正确的，因为除了列中的数值之外，它们是相同的，并且我只是在训练集上进行训练后尝试使用我的测试集......在我的某个地方我做了一些非常错误的事情。

Answer 1

问题在于对类属性设置为 ? 或 empty 的测试集进行评估。您将在训练集上获得一些结果，因为对于训练数据，您知道所有数据标签。但对于标签未知的测试集，您如何知道分类器预测 y 是给定实例的正确类还是仅仅是错误分类？这就是为什么:您可以获得测试实例的预测标签，但无法进行任何评估。

以下内容仅为假设，与您的数据没有任何关系:

例如，在训练数据上，您可能会得到如下内容:

=== Error on training data ===

Correctly Classified Instances           4               80      %
Incorrectly Classified Instances         1               20      %
Kappa statistic                          0.6154
Mean absolute error                      0.2429
Root mean squared error                  0.4016
Relative absolute error                 50.0043 %
Root relative squared error             81.8358 %
Total Number of Instances                5     

但是对于未知的测试数据，输出可能如下所示:

=== Error on test data ===

Total Number of Instances                0     
Ignored Class Unknown Instances                  5     


=== Confusion Matrix ===

 a b   <-- classified as
 0 0 | a = 1
 0 0 | b = -1

但是，您可以对未知数据实例进行预测，如下所示:

=== Predictions on test data ===

 inst#     actual  predicted error prediction (feature1,feature2,feature3,feature4)
     1        1:?        1:1       1 (1,7,1,0)
     2        1:?        1:1       1 (1,5,1,0)
     3        1:?       2:-1       0.786 (-1,1,1,0)
     4        1:?       2:-1       0.861 (1,1,1,1)
     5        1:?       2:-1       0.861 (-1,1,1,1)

        === Confusion Matrix ===

         a b   <-- classified as
         2 1 | a = 1
     0 2 | b = -1