java - Weka 分类器准确度

Question

我有来自 17 个类别的 73,841 个数据实例，我用它们来通过 WEKA 训练分类器。数据已使用 FFT 进行过滤，每个实例有三个点。

I.e. 85724.5409, 40953.2485, 3204935, 4539024.002345, ?/class

我尝试了三种分类器:SMO/J48/朴素贝叶斯。

SMO/朴素贝叶斯的准确率达到 16%

但是 J48 分类器的准确率达到 98/99%。

问题:

1. 我可以放心地假设 J48 分类器犯了某种错误吗？怎么两个结果如此相似，而另一个却完全不同？

2. 我可以做些什么来提高准确性？类是否太多，类是否根本无法分离？

谢谢

Answer 1

我强烈认为决策树的输出不准确。

您能否提供生成的树或前 10 个节点，以查看确切的问题是什么。

以下是我建议的一些提高准确性的措施。

• 类(class)规模:17个类(class)确实很大。尝试通过合并相似的类来减少。 (只有在不影响项目范围的情况下才可以这样做。)
• 非线性分类器:由于您有 17 个类，因此像朴素贝叶斯/决策树这样的线性分类器是不够的。您是否尝试过任何非线性 SVM 或集成学习(例如随机森林)？如果 17 个类别中的每个类别都有足够的数据集，那么 HMM 将是更好分类的不错选择。

谢谢，阿拉维