weka之属性选择

最新推荐文章于 2018-09-16 16:48:26 发布
最新推荐文章于 2018-09-16 16:48:26 发布
阅读量1.2k 收藏 1
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u011860731/article/details/19812559
版权

想用weka做一下特征选择，但是网上搜索 一下，大家都是在讲weka属性选择的算法。。晕死，weka 里面都有算法，直接用一下就完事了嘛。。。

偶想知道的是weka做特征选择对属性有什么要求之类的了。。。有木有人知道啊

  还有交叉验证，在数据缺乏的情况下，怎么办呢？

        属性选择时就用use full training好了，交叉验证的结果没看明白。。
我是一只小兔纸咿呀咿呀呦
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
WEKA使用教程
02-25
在进行数据挖掘之前，数据通常需要进行预处理，包括数据清洗（去除噪声和缺失值处理）、数据转换（如标准化或归一化）和特征选择（筛选出对模型最有影响的特征）。WEKA提供了多种预处理工具，帮助用户进行这些操作。...
机器学习 WEKA 中文文档
最新发布
11-02
- **属性选择**：通过各种方法（如信息增益、卡方检验等）来挑选对模型最有贡献的属性。 - **过滤器**：包括无监督和监督的过滤器，用于数据清洗、降维和转换。例如，可以使用无监督属性过滤器来消除噪声或无关特征...
weka 属性选择
weixin_34392435的博客
02-21 422
weka有 两种属性选择模式 1是 属性子集评估器+搜索方法（后者可以说是循环，前者是循环的每个环节的操作） 2是 单一属性评估器+排序方法 属性子集评估器有 CfssubEval：综合考虑单一属性的预测值和属性间的重复度。 classifiersubsetEval：用评估器评估属性集 consistencySubsetEval：将训练数据集映射到属性机上来检测类型的一致性 ...
Weka学习四（属性选择）
aalbertini的专栏
07-20 1809
<br />在这一节我们看看属性选择。在数据挖掘的研究中，通常要通过距离来计算样本之间的距离，而样本距离是通过属性值来计算的。我们知道对于不同的属性，它们在样本空间的权重是不一样的，即它们与类别的关联度是不同的，因此有必要筛选一些属性或者对各个属性赋一定的权重。这样属性选择的方法就应运而生了。<br />在属性选择方面InfoGain和GainRatio的比较常见，也是最通俗易懂的方法。它们与Decision Tree的构造原理比较相似，哪个节点拥有的信息量就为哪个节点赋较高的权重。其它的还有根据关联度的办
Weka数据挖掘——选择属性
weixin_30487317的博客
01-23 1309
如果你现在还不努力，那么将来的你会过的更加吃力。 1 选择属性 属性选择是通过搜索数据中所有可能的属性组合，以找到预测效果最好的属性子集。手工选择属性既繁琐又容易出错，为了帮助用户事项选择属性自动化。Weka中提供了选择属性面板。要自动选择属性需要设立两个对象：属性评估器和搜索方法，如下图所示： 属性评估器确定使用什么方法给每个属性分配一个评估值...
使用weka的select attribute
iamsamzhang的专栏
03-04 3701
原文：http://blog.csdn.net/anqiang1984/article/details/4048177 package com.csdn; import java.io.File; import weka.attributeSelection.InfoGainAttributeEval; import weka.attributeSelection.Rank
Weka系列转载之属性选择
emily19900308的专栏
07-26 795
在这一节我们看看属性选择。在数据挖掘的研究中，通常要通过距离来计算样本之间的距离，而样本距离是通过属性值来计算的。我们知道对于不同的属性，它们在样本空间的权重是不一样的，即它们与类别的关联度是不同的，因此有必要筛选一些属性或者对各个属性赋一定的权重。这样属性选择的方法就应运而生了。 在属性选择方面InfoGain和GainRatio的比较常见，也是最通俗易懂的方法。它们与Decision T
机器学习工具WEKA的使用总结,包括算法选择、属性选择、参数优化.pdf
11-27
机器学习工具WEKA的使用总结，包括算法选择、属性选择、参数优化 一、属性选择 在机器学习中，属性选择是指从原始数据中选择有代表性的特征，以提高模型的泛化能力和减少计算复杂度。WEKA中提供了多种属性选择方法...
机器学习工具WEKA的使用总结,包括算法选择、属性选择、参数优化.doc
10-08
WEKA提供了多种属性选择算法，包括Filter方法和Wrapper方法。 1. Filter方法：Filter方法根据单个属性和类别之间的相关性进行选择。WEKA中常用的Filter方法有： * CorrelationAttributeEval：根据单个属性和类别的...
weka使用简介
03-04
- **数据预处理**：Weka 提供了多种数据清洗和转换方法，包括缺失值处理、异常值检测、特征选择、标准化和归一化等。 - **分类与回归**：支持多种分类和回归算法，如朴素贝叶斯、决策树（C4.5、ID3）、随机森林、...
朴素贝叶斯分类的自适应属性加权
03-07
朴素贝叶斯分类的自适应属性加权
Weka选择属性算法介绍
memory专栏
09-16 3764
在Select attribute标签页中可以指定属性评估器和搜索方法。 选择属性通常搜索属性子集空间，评估每一个空间，这可以通过组合属性子集评估器和搜索方法得以实现。 快捷但准确度不高的方法是评估单个属性并排序，丢弃低于指定截止点的属性，这可以通过组合单个属性评估器和属性排名的方法得以实现。 1、属性子集评估器 属性子集评估器选取属性的一个子集，并返回一个指导搜索的度量数值。 C...
在Java中使用weka：在数据集中增加属性
Bryan__的专栏
11-07 3079
下面的例子中增加了 nominal 和 a numeric属性，
weka的基本使用---explorer界面的介绍
热门推荐
csucoderlee的专栏
04-06 1万+
Explorer界面的介绍 运行weka GUI： 点击 Explorer 按钮，打开explorer界面： 区域1的几个选项卡是用来切换不同的挖掘任务面板。这一节用到的只有“Preprocess”，其他面板的功能将在以后介绍。 区域2是一些常用按钮。包括打开数据，保存及编辑功能。 在区域3中“Choose”某个“Filter”，可以实现筛选数据或者对数据进行某种变换。数据预处
Weka使用之属性选择
活在当下
09-26 3025
原文地址：Weka使用之属性选择作者：wbxjj转自：http://anna-zr.javaeye.com/blog/578943 在这一节我们看看属性选择。在数据挖掘的研究中，通常要通过距离来计算样本之间的距离，而样本距离是通过属性值来计算的。我们知道对于不同的属性，它们在样本空间的权重是不一样的，即它们与类别的关联度是不同的，因此有必要筛选一些属性或者对各个属性赋一定的权重。这样属性选择的方
Weka内置特征选择算法整理
integrity
05-21 8731
属性评估方法：   CfsSubsetEval ：根据属性子集中每一个特征的预测能力以及它们之间的关联性进行评估。   ChiSquaredAttributeEval ：根据与分类有关的每一个属性的卡方值进行评估。   ClassifierSubsetEval ：根据训练集或测试集之外的数据评估属性子集。   ConsistencySubsetEval ：根据利用属性子集进
weka的java使用——特征选择
tiamo823的专栏
01-16 1889
继续weka的编程系列。数据挖掘的一个重要的过程就是要特征选择，主要作用就是降维，并且降低计算的复杂性，摒弃那些可能的潜在噪声。在我的paper中和硕士论文中都用到了CFS的特征子集选择方法，配以最佳优先的搜索或者贪心搜索，这样可以将维度比较高的训练特征集降维并简化，大概用CFS+Best first可以将我的训练样本中的145维特征降到40-50之间。 具体的实现方法见下面的测试代码（只做
Weka-Fliter类-选择属性变量[4]
ytadx的专栏
06-16 1380
在研究了weka如何导入导出数据后，根据制作数据模型的要求，我们需要对导入数据进入整理： 整理数据包括：属性处理、样本处理、数据转换（生成新变量） 本文先研究如何程序中选择属性，代码如下： import java.io.FileReader; import weka.core.Instances; import weka.filters.unsupervised.a

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值