智能信息獲取技術(shù)實(shí)驗(yàn)指導(dǎo)書(shū)-免費(fèi)閱讀
【正文】 在這個(gè)新的ARFF文件中，“instance_number”屬性表示某實(shí)例的編號(hào)，“Cluster”屬性表示聚類(lèi)算法給出的該實(shí)例所在的簇。當(dāng)然再嘗試幾個(gè)seed，這個(gè)數(shù)值可能會(huì)更小。點(diǎn)擊旁邊的文本框，修改“numClusters”為6，說(shuō)明把這600條實(shí)例聚成6類(lèi)，即K=6。把“”格式數(shù)據(jù)轉(zhuǎn)換為“”，并刪去屬性“id”，保存為ARFF格式后，修改屬性“children”為分類(lèi)型。進(jìn)行數(shù)據(jù)過(guò)濾，選擇Filter中的Discretize方法，點(diǎn)擊Apply，先對(duì)ARFF文件進(jìn)行離散化：用UltraEdit對(duì)其進(jìn)行編輯：attribute children numeric改為：attribute children {0,1,2,3} 然后用discretize算法對(duì)age和ine離散化，并刪掉id項(xiàng)因?yàn)樗鼘?duì)關(guān)聯(lián)規(guī)則分析無(wú)影響，保存文件。文件格式轉(zhuǎn)化為ARFF的方式。 請(qǐng)介紹你建立好的模型以及對(duì)該模型的誤差分析等結(jié)果,如:出現(xiàn)在“Classifier output”中的模型準(zhǔn)確度等,將這些數(shù)據(jù)截圖, 在實(shí)驗(yàn)報(bào)告中進(jìn)行詳解。我們的Class屬性都是些缺失值，那這些內(nèi)容是無(wú)意義的，我們關(guān)注的是模型在新數(shù)據(jù)集上的預(yù)測(cè)值。（7）點(diǎn)“Start”按鈕開(kāi)始讓算法生成Bayes模型。樹(shù)型框下方有一個(gè)“Filter...”按鈕，點(diǎn)擊可以根據(jù)數(shù)據(jù)集的特性過(guò)濾掉不合適的算法。六、試驗(yàn)方法和步驟數(shù)據(jù)準(zhǔn)備（1）將原來(lái)的“”文件轉(zhuǎn)化為arff文件“”。智 能 信 息 獲 取 技 術(shù)實(shí)驗(yàn)指導(dǎo)書(shū)實(shí)驗(yàn)一一、實(shí)驗(yàn)名稱(chēng)： 基于Na239。（2）“ID”屬性不需要的去掉。我們數(shù)據(jù)集的輸入屬性中有“Binary”型（即只有兩個(gè)類(lèi)的分類(lèi)型）和數(shù)值型的屬性，而Class變量是“Binary”的；于是我們勾選“Binary attributes”“Numeric attributes”和“Binary class”。這個(gè)模型的誤差分析等等結(jié)果將出現(xiàn)在右邊的“Classifier output”中。（4）點(diǎn)擊右鍵菜單中的“Visualize classifier errors”， 將彈出一個(gè)新窗口顯示一些有關(guān)預(yù)測(cè)誤差的散點(diǎn)，點(diǎn)擊這個(gè)新窗口中的“Save”按鈕，保存一個(gè)Arff文件。 如果你的模型準(zhǔn)確度不高,你是怎樣通過(guò)修改算法的參數(shù)來(lái)提高準(zhǔn)確度?通過(guò)點(diǎn)擊“Results list”,并選擇可視化,在圖形模式中打開(kāi)你的模型,并將它截圖,在實(shí)驗(yàn)報(bào)告中顯示你的實(shí)驗(yàn)結(jié)果。選擇Explorer選項(xiàng)，選擇Open ，打開(kāi)可以看見(jiàn)數(shù)據(jù)中的屬性，選擇屬性從右邊可以看到它的取值范圍1）CSV換成ARFF格式將CSV轉(zhuǎn)換為ARFF最迅捷的辦法是使用WEKA所帶的命令行工具。 選擇As
試題試卷相關(guān)推薦
鄂ICP備17016276號(hào)-1