weka學(xué)習(xí)文檔-資料下載頁(yè)
2025-08-04 09:11本頁(yè)面
【正文】 t set”。右邊顯示結(jié)果的區(qū)域中會(huì)增加一些內(nèi)容，告訴你該模型應(yīng)用在這個(gè)數(shù)據(jù)集上表現(xiàn)將如何。如果你的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?，F(xiàn)在點(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)圖。點(diǎn)擊這個(gè)新窗口中的“Save”按鈕，保存一個(gè)Arff文件。打開這個(gè)文件可以看到在倒數(shù)第二個(gè)位置多了一個(gè)屬性（predictedpep），這個(gè)屬性上的值就是模型對(duì)每個(gè)實(shí)例的預(yù)測(cè)值。使用命令行（推薦） 雖然使用圖形界面查看結(jié)果和設(shè)置參數(shù)很方便，但是最直接最靈活的建模及應(yīng)用的辦法仍是使用命令行。 打開“Simple CLI”模塊，像上面那樣使用“J48”算法的命令格式為： java C M 2 t directorypath\ d directorypath \其中參數(shù)“ C ”和“M 2”是和圖形界面中所設(shè)的一樣的?！皌 ”后面跟著的是訓(xùn)練數(shù)據(jù)集的完整路徑（包括目錄和文件名），“d ”后面跟著的是保存模型的完整路徑。注意！這里我們可以把模型保存下來(lái)。輸入上述命令后，所得到樹模型和誤差分析會(huì)在“Simple CLI”上方顯示，可以復(fù)制下來(lái)保存在文本文件里。誤差是把模型應(yīng)用到訓(xùn)練集上給出的。把這個(gè)模型應(yīng)用到“”所用命令的格式為： java p 9 l directorypath\ T directorypath \其中“p 9”說(shuō)的是模型中的待預(yù)測(cè)屬性的真實(shí)值存在第9個(gè)（也就是“pep”）屬性中，這里它們?nèi)课粗虼巳坑萌笔е荡妗！發(fā)”后面是模型的完整路徑?！癟”后面是待預(yù)測(cè)數(shù)據(jù)集的完整路徑。輸入上述命令后，在“Simple CLI”上方會(huì)有這樣一些結(jié)果： 0 YES ? 1 NO ? 2 YES ? 3 YES ? 4 NO ? ... 這里的第一列就是我們提到過(guò)的“Instance_number”，第二列就是剛才的“predictedpep”，第四列則是“”中原來(lái)的“pep”值（這里都是“?”缺失值）。第三列對(duì)預(yù)測(cè)結(jié)果的置信度（confidence ）。比如說(shuō)對(duì)于實(shí)例0，我們有75%的把握說(shuō)它的“pep”的值會(huì)是“YES”，%的把握說(shuō)它的“pep”值會(huì)是“NO”。我們看到，使用命令行至少有兩個(gè)好處。一個(gè)是可以把模型保存下來(lái)，這樣有新的待預(yù)測(cè)數(shù)據(jù)出現(xiàn)時(shí)，不用每次重新建模，直接應(yīng)用保存好的模型即可。另一個(gè)是對(duì)預(yù)測(cè)結(jié)果給出了置信度，我們可以有選擇的采納預(yù)測(cè)結(jié)果，例如，只考慮那些置信度在85%以上的結(jié)果。6. 聚類分析原理與實(shí)現(xiàn) 聚類分析中的“類”（cluster）和前面分類的“類”（class）是不同的，對(duì)cluster更加準(zhǔn)確的翻譯應(yīng)該是“簇”。聚類的任務(wù)是把所有的實(shí)例分配到若干的簇，使得同一個(gè)簇的實(shí)例聚集在一個(gè)簇中心的周圍，它們之間距離的比較近；而不同簇實(shí)例之間的距離比較遠(yuǎn)。對(duì)于由數(shù)值型屬性刻畫的實(shí)例來(lái)說(shuō)，這個(gè)距離通常指歐氏距離?，F(xiàn)在我們對(duì)前面的“bank data”作聚類分析，使用最常見的K均值（Kmeans）算法。下面我們簡(jiǎn)單描述一下K均值聚類的步驟。K均值算法首先隨機(jī)的指定K個(gè)簇中心。然后：1)將每個(gè)實(shí)例分配到距它最近的簇中心，得到K個(gè)簇；2)計(jì)分別計(jì)算各簇中所有實(shí)例的均值，把它們作為各簇新的簇中心。重復(fù)1)和2)，直到K個(gè)簇中心的位置都固定，簇的分配也固定。上述K均值算法只能處理數(shù)值型的屬性，遇到分類型的屬性時(shí)要把它變?yōu)槿舾蓚€(gè)取值0和1的屬性。WEKA將自動(dòng)實(shí)施這個(gè)分類型到數(shù)值型的變換，而且WEKA會(huì)自動(dòng)對(duì)數(shù)值型的數(shù)據(jù)作標(biāo)準(zhǔn)化。因此，對(duì)于原始數(shù)據(jù)“”，我們所做的預(yù)處理只是刪去屬性“id”，保存為ARFF格式后，修改屬性“children”為分類型。這樣得到的數(shù)據(jù)文件為“”，含600條實(shí)例。用“Explorer”打開剛才得到的“”，并切換到“Cluster”。點(diǎn)“Choose”按鈕選擇“SimpleKMeans”，這是WEKA中實(shí)現(xiàn)K均值的算法。點(diǎn)擊旁邊的文本框，修改“numClusters”為6，說(shuō)明我們希望把這600條實(shí)例聚成6類，即K=6。下面的“seed”參數(shù)是要設(shè)置一個(gè)隨機(jī)種子，依此產(chǎn)生一個(gè)隨機(jī)數(shù)，用來(lái)得到K均值算法中第一次給出的K個(gè)簇中心的位置。我們不妨?xí)簳r(shí)讓它就為10。選中“Cluster Mode”的“Use training set”，點(diǎn)擊“Start”按鈕，觀察右邊“Clusterer output”給出的聚類結(jié)果。也可以在左下角“Result list”中這次產(chǎn)生的結(jié)果上點(diǎn)右鍵，“View in separate window”在新窗口中瀏覽結(jié)果。結(jié)果解釋 首先我們注意到結(jié)果中有這么一行： Within cluster sum of squared errors: 這是評(píng)價(jià)聚類好壞的標(biāo)準(zhǔn)，數(shù)值越小說(shuō)明同一簇實(shí)例之間的距離越小。也許你得到的數(shù)值會(huì)不一樣；實(shí)際上如果把“seed”參數(shù)改一下，得到的這個(gè)數(shù)值就可能會(huì)不一樣。我們應(yīng)該多嘗試幾個(gè)seed，并采納這個(gè)數(shù)值最小的那個(gè)結(jié)果。例如我讓“seed”取100，就得到Within cluster sum of squared errors: 我該取后面這個(gè)。當(dāng)然再嘗試幾個(gè)seed，這個(gè)數(shù)值可能會(huì)更小。 接下來(lái)“Cluster centroids:”之后列出了各個(gè)簇中心的位置。對(duì)于數(shù)值型的屬性，簇中心就是它的均值（Mean）；分類型的就是它的眾數(shù)（Mode），也就是說(shuō)這個(gè)屬性上取值為眾數(shù)值的實(shí)例最多。對(duì)于數(shù)值型的屬性，還給出了它在各個(gè)簇里的標(biāo)準(zhǔn)差（Std Devs）。 最后的“Clustered Instances”是各個(gè)簇中實(shí)例的數(shù)目及百分比。 為了觀察可視化的聚類結(jié)果，我們?cè)谧笙路健癛esult list”列出的結(jié)果上右擊，點(diǎn)“Visualize cluster assignments”。彈出的窗口給出了各實(shí)例的散點(diǎn)圖。最上方的兩個(gè)框是選擇橫坐標(biāo)和縱坐標(biāo)，第二行的“color”是散點(diǎn)圖著色的依據(jù)，默認(rèn)是根據(jù)不同的簇“Cluster”給實(shí)例標(biāo)上不同的顏色?？梢栽谶@里點(diǎn)“Save”把聚類結(jié)果保存成ARFF文件。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”屬性表示聚類算法給出的該實(shí)例所在的簇
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1