我是WEKA的新手,如果有人能帮助我理解我是否正确使用WEKA,我会问你。
1)我的数据集包括11377记录,分类如下:
(由于某种原因,我只能使用J48算法进行分类)当我选择J48算法进行分类时,模型将类别“NO”错误地分类,因为类分布是不平衡的。我该怎么做才能以正确的方式解决这个问题?
2)在平衡了类之后,我必须将数据集分成测试集和训练集,但是WEKA的最佳/正确过滤器是什么问题?
3)当数据通过预处理阶段后,一旦选择了Classify表格中的J48算法,我应该测试什么?训练或测试集?我有多少次重复测试?
提前致谢!
这是一种方法。在“预处理”选项卡中,使用ClassBalancer过滤器(在“受监督的实例”下)。这将应用权重,以便您的YES和NO具有相同的权重。
在“分类”选项卡中,选择“训练”和“测试”之间的百分比分割。默认值为66%训练,34%测试。这将随机选择。
(如果您想查看结果是否取决于完全随机分割,您可以使用不同的随机开始多次运行 - 在百分比分割下,您将看到“更多选项”按钮。单击此处,您将看到随机种子设置为默认值1.将此更改为任何其他正整数。)
您应该能够从几种算法中进行选择,而不仅仅是J48。不知道为什么会这样。
请注意,一旦得到结果,这些将反映加权实例,您可能需要进行转换(即采用该混淆矩阵并将其转换回实际的YES和NO数)。