Weka - 分类器
许多机器学习应用都与分类有关。例如，您可能想将肿瘤分类为恶性或良性。您可能想根据天气条件决定是否玩户外游戏。通常，此决定取决于天气的几个特征/条件。因此，您可能更喜欢使用树分类器来决定是否玩。
在本章中，我们将学习如何根据天气数据构建这样的树分类器来决定游戏条件。
设置测试数据
我们将使用上一课中预处理的天气数据文件。使用 Preprocess 选项卡下的 Open file ... 选项打开保存的文件，单击 Classify 选项卡，您将看到以下屏幕 −
在了解可用的分类器之前，让我们先检查一下测试选项。您将注意到下面列出的四个测试选项 −
- 训练集
- 提供的测试集
- 交叉验证
- 百分比分割
除非您有自己的训练集或客户提供的测试集，否则您将使用交叉验证或百分比分割选项。在交叉验证下，您可以设置在每次训练迭代期间分割和使用整个数据的折叠数。在百分比分割中，您将使用设置的分割百分比在训练和测试之间分割数据。
现在，保留输出类的默认播放选项 −
接下来，您将选择分类器。
选择分类器
单击"选择"按钮并选择以下分类器 −
weka→classifiers>trees>J48
这在下面的屏幕截图中显示 −
单击开始按钮以启动分类过程。过了一会儿，分类结果就会出现在您的屏幕上，如下所示 −
让我们检查一下屏幕右侧显示的输出。
它显示树的大小为 6。您很快就会看到树的视觉表示。在摘要中，它显示正确分类的实例为 2，错误分类的实例为 3，它还显示相对绝对误差为 110%。它还显示了混淆矩阵。深入分析这些结果超出了本教程的范围。但是，您可以从这些结果中轻松看出分类不可接受，您需要更多数据进行分析，以优化特征选择，重建模型等等，直到您对模型的准确性感到满意。无论如何，这就是 WEKA 的全部内容。它允许您快速测试您的想法。
可视化结果
要查看结果的可视化表示，请右键单击结果列表框中的结果。屏幕上会弹出几个选项，如下所示 −
选择可视化树以获得遍历树的可视化表示，如下面的屏幕截图所示 −
选择可视化分类器错误将绘制分类结果，如下所示 −
十字表示正确分类的实例，而正方形表示错误分类的实例。在图的左下角，您会看到一个 十字，表示如果 outlook 是晴天，则 play 游戏。因此，这是一个正确分类的实例。要定位实例，您可以通过滑动 jitter 滑动条在其中引入一些抖动。
当前图是 outlook 与 play。这些由屏幕顶部的两个下拉列表框指示。
现在，在每个框中尝试不同的选择，并注意 X 轴和 Y 轴如何变化。使用图右侧的水平条也可以实现相同的效果。每个条代表一个属性。左键单击条带可将所选属性设置在 X 轴上，而右键单击可将其设置在 Y 轴上。
还提供了其他几个图表供您进行更深入的分析。明智地使用它们来微调您的模型。下面显示了一个这样的成本/收益分析图，供您快速参考。
解释这些图表中的分析超出了本教程的范围。鼓励读者复习一下对机器学习算法分析的知识。
在下一章中，我们将学习下一组机器学习算法，即聚类。
