weka使用训练集分类测试集_技术分享

一、实验目的熟悉weka基本功能和使用方法

学习对数据集进行分类训练并测试

比较不同分类算法对本实验测试集预测的准确率

二、实验环境平台：Weka3.8

数据集：将Weka的data文件夹下默认数据集vote.arff的前20个实例作为测试集，其余实例作为训练集

三、实验概况观察数据集的属性类别以及实例来确定是否进行过滤处理

利用训练集分别采用C4.5决策树分类器、基于规则的分类器和K最近邻三种算法进行分类训练，并对测试集进行预测

比较三种分类器对本实验数据集分类模型的优劣

四、实验内容

4.1 观察数据集

在weka中打开测试集votetest.arff，观察到数据集共有435个实例，每个实例是一个国会议员的投票信息以及派别，共有17个二元属性，其中一个为类别属性。并且该数据集带有一定的缺失值。国会议员通常按照其党政路线进行投票，本实验通过对议员投票情况(16个属性)对其类别属性进行分类，得到两种派系对政策投票的大致方案。数据集中数据没有与实验无关属性，不进行过滤。

4.2 使用C4.5决策树算法进行分类训练

C4.5决策树算法能够处理具有缺省值的数据，使用信息增益率作为属性选择标准，能对生成树剪枝(参考《数据挖掘与机器学习—WEKA应用技术与实践》)。C4.5在weka中的实现是J48决策树。选择J48进行分类。