- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我是 Weka 3.7.9 的新手。我有一个 arff 文件,其中包含以下属性、类和数据: http://pastebin.com/s8hivv0U
此文件代表 Android 项目。所以,1-9。属性是不同类型的指标:
最后一个类包含项目的 Google Play 评级。
所以每一行都是Andorid项目。 (当然,原始的 *.arff 文件包含更多项目...)
我想用学习算法来分析数据。预测变量为 1 到 9。我想确定哪些预测因素对 Google Play 评分影响最大。
我怎样才能做到这一点?最好的方法是什么?如果可能的话,我想请您向我解释一下。
提前致谢,彼得
最佳答案
首先,我建议您更改您的 class
输入 numeric
,如果您希望输出是连续的。否则,我建议将类标签类型保留为 nominal
(正如您现在所拥有的那样)但将您的评级更改为 {1, 2, 3, 4, 5}
.
如果您更改为数字输出(例如,您可以给出 4.5 星的预测),那么您将需要使用能够处理数字类别的分类器。
我建议查看 documentation要了解有关使用 Weka 的更多信息,可能需要阅读一些教程。例如,双击 ARFF 文件后,您应该在 Classify
中完成大部分工作。标签。选择一个分类器,然后选择Start
.
Regression特别是linear regression很好,因为它很容易解释,因为它只是为每个属性分配一个权重,并使用这些权重的乘法和加法来给出输出。
我使用了您的示例文件并使用 LinearRegression
对其进行了测试,然而,由于样本很少,因此确定最佳模型就是输出 3.9667
作为评级,这将为您提供平均绝对误差 0.4722
.
不满意,接下来我尝试了SimpleLinearRegression
,给出模型 -0.02 * activites + 4.13
,并给出平均绝对误差 0.472
.
SMOreg
给出以下模型
weights:
+ 0.1147 * (normalized) lloc
- 0.0404 * (normalized) nid
- 0.1662 * (normalized) nle
- 0.0647 * (normalized) nel
+ 0.3385 * (normalized) nip
- 0.1352 * (normalized) activites
- 0.019 * (normalized) inside-permissions
- 0.0464 * (normalized) outside-permissions
+ 0.1602 * (normalized) all-permissions
+ 0.5921
平均绝对误差为0.3859
。但在这一点上,我认为有了这么少的数据点,你就是 overfitting您的数据。
使用k-nearest neighbors如果您有更多数据(在 Weka 中称为 KStar
),可能是一种可行的方法。
DecisionStump
算法输出该模型的平均绝对误差为 0.3424
,但同样可能过度拟合。
inside-permissions <= 1.5 : 2.6
inside-permissions > 1.5 : 4.090909090909091
inside-permissions is missing : 3.966666666666667
正如您所看到的,考虑到您只有 12 个数据点,模型和错误率并不是那么好。要构建一个真正好的模型,您需要更多数据。为了准确了解模型的表现,您不仅需要有足够的数据进行训练,还需要有足够的数据作为单独的测试集保留,仅用于测试模型的性能。
关于machine-learning - 使用 Weka 预测 Google Play 评分,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/16193589/
基本上,我的问题是,由于无监督学习是机器学习的一种,是否需要机器“学习”的某些方面并根据其发现进行改进?例如,如果开发了一种算法来获取未标记的图像并找到它们之间的关联,那么它是否需要根据这些关联来改进
生成模型和判别模型似乎可以学习条件 P(x|y) 和联合 P(x,y) 概率分布。但从根本上讲,我无法说服自己“学习概率分布”意味着什么。 最佳答案 这意味着您的模型要么充当训练样本的分布估计器,要么
是否有类似于 的 scikit-learn 方法/类元成本 在 Weka 或其他实用程序中实现的算法以执行常量敏感分析? 最佳答案 不,没有。部分分类器提供 class_weight和 sample_
是否Scikit-learn支持迁移学习?请检查以下代码。 型号 clf由 fit(X,y) 获取 jar 头型号clf2在clf的基础上学习和转移学习 fit(X2,y2) ? >>> from s
我发现使用相同数据的两种交叉验证技术之间的分类性能存在差异。我想知道是否有人可以阐明这一点。 方法一:cross_validation.train_test_split 方法 2:分层折叠。 具有相同
我正在查看 scikit-learn 文档中的这个示例:http://scikit-learn.org/0.18/auto_examples/model_selection/plot_nested_c
我想训练一个具有很多标称属性的数据集。我从一些帖子中注意到,要转换标称属性必须将它们转换为重复的二进制特征。另外据我所知,这样做在概念上会使数据集稀疏。我也知道 scikit-learn 使用稀疏矩阵
我正在尝试在 scikit-learn (sklearn.feature_selection.SelectKBest) 中通过卡方方法进行特征选择。当我尝试将其应用于多标签问题时,我收到此警告: 用户
有几种算法可以构建决策树,例如 CART(分类和回归树)、ID3(迭代二分法 3)等 scikit-learn 默认使用哪种决策树算法? 当我查看一些决策树 python 脚本时,它神奇地生成了带有
我正在尝试在 scikit-learn (sklearn.feature_selection.SelectKBest) 中通过卡方方法进行特征选择。当我尝试将其应用于多标签问题时,我收到此警告: 用户
有几种算法可以构建决策树,例如 CART(分类和回归树)、ID3(迭代二分法 3)等 scikit-learn 默认使用哪种决策树算法? 当我查看一些决策树 python 脚本时,它神奇地生成了带有
有没有办法让 scikit-learn 中的 fit 方法有一个进度条? 是否可以包含自定义的类似 Pyprind 的内容? ? 最佳答案 如果您使用 verbose=1 初始化模型调用前 fit你应
我正在使用基于 rlglue 的 python-rl q 学习框架。 我的理解是,随着情节的发展,算法会收敛到一个最优策略(这是一个映射,说明在什么状态下采取什么行动)。 问题 1:这是否意味着经过若
我正在尝试使用 grisSearchCV 在 scikit-learn 中拟合一些模型,并且我想使用“一个标准错误”规则来选择最佳模型,即从分数在 1 以内的模型子集中选择最简约的模型最好成绩的标准误
我正在尝试离散数据以进行分类。它们的值是字符串,我将它们转换为数字 0,1,2,3。 这就是数据的样子(pandas 数据框)。我已将数据帧拆分为 dataLabel 和 dataFeatures L
每当我开始拥有更多的类(1000 或更多)时,MultinominalNB 就会变得非常慢并且需要 GB 的 RAM。对于所有支持 .partial_fit()(SGDClassifier、Perce
我需要使用感知器算法来研究一些非线性可分数据集的学习率和渐近误差。 为了做到这一点,我需要了解构造函数的一些参数。我花了很多时间在谷歌上搜索它们,但我仍然不太明白它们的作用或如何使用它们。 给我带来更
我知道作为功能 ordinal data could be assigned arbitrary numbers and OneHotEncoding could be done for catego
这是一个示例,其中有逐步的过程使系统学习并对输入数据进行分类。 它对给定的 5 个数据集域进行了正确分类。此外,它还对停用词进行分类。 例如 输入:docs_new = ['上帝就是爱', '什么在哪
我有一个 scikit-learn 模型,它简化了一点,如下所示: clf1 = RandomForestClassifier() clf1.fit(data_training, non_binary
我是一名优秀的程序员,十分优秀!