machine-learning - 使用 Weka 预测 Google Play 评分

Question

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:

1. lloc - 逻辑代码行
2. nid - ID 数量
3. nle - 嵌套级别
4. nel - 元素数量
5. nip - 输入元素的数量
6. activites - AndroidManifest 中的事件数量
7. inside-permissions - AndroidManifest 中的内部权限数量
8. outside-permissions - AndroidManifest 中的外部权限数量
9. all-permissions - AndroidManifest 中的权限数量
10. 第 {4、4.6、3.8、2.6 级。 5、3.2、3.6、4.2、4.1}

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

Answer 1

类类型

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。

使用Weka

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 .

分类器

回归

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。

最近邻居

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。

决策树

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

更多数据

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。