weka[3] - J48(二）

最新推荐文章于 2020-11-28 13:24:40 发布

杨之之

最新推荐文章于 2020-11-28 13:24:40 发布

阅读量1.2k

点赞数 1

分类专栏： weka 文章标签： kenny weka 算法

本文链接：https://blog.csdn.net/u011292007/article/details/30121093

版权

本文深入分析了Weka中J48决策树的剪枝过程，主要探讨了PruneableClassifierTree类的buildClassify、prune和buildTree方法。通过比较节点错误率与叶节点错误率来决定是否剪枝，同时提到了C45PruneableClassifierTree的剪枝策略差异，该策略基于训练数据估算误差并考虑置信度。

摘要由CSDN通过智能技术生成

J48（一）中，主要分析了分裂的策略：二叉和多叉

这一节，主要看看源码中，关于剪枝的部分。主要看PruneableClassifierTree。

buildClassify:

 public void buildClassifier(Instances data) 
       throws Exception {

    // can classifier tree handle the data?
    getCapabilities().testWithFail(data);

    // remove instances with missing class
    data = new Instances(data);
    data.deleteWithMissingClass();
    
   Random random = new Random(m_seed);
   //这个看的不是太懂啊！！感觉就是随机化一下
   data.stratify(numSets);
   //trainCV：表示分成numSets后，返回前numSets-1个，然后样本随机排序
   //testCV: 表示分成numSets后，返回第numSets-1个
   buildTree(data.trainCV(numSets, numSets - 1, random),
	     data.testCV(numSets, numSets - 1), !m_cleanup);
   if (pruneTheTree) {
     prune();
   }
   if (m_cleanup) {
     cleanup(new Instances(data, 0));
   }
  }

这里主要就是buildTree，这个函数在classifierTree中。(PruneableClassifierTree继承自ClassifierTree)

还有一个是prune()，待会会分析，就是如何剪枝。

clearnup就是节省内存，把不需要的删掉。这里只是删掉数据的信息。

先看prune，再看buildTree。