Weka 未标记属性...是不是必须是实例的一部分才能进行分类？

Posted 2023-03-13

【中文标题】Weka 未标记属性...是不是必须是实例的一部分才能进行分类？

【英文标题】：Weka unlabeled attribute...does it has to be part of the Instance to get classified?Weka 未标记属性...是否必须是实例的一部分才能进行分类？

【发布时间】：2013-08-10 04:00:02

【问题描述】：

简单快速的怀疑。假设我的 ARFF 看起来像这样：

@attribute outlook  sunny, overcast, rainy 
@attribute temperature numeric
@attribute humidity numeric
@attribute windy  TRUE, FALSE 
@attribute play  yes, no 

@data
sunny, 85, 85, FALSE, no
sunny, 80, 90, TRUE, no
overcast, 83, 86, FALSE, yes
rainy, 70, 96, FALSE, yes
rainy, 68, 80, FALSE, yes
......

5 个属性（4 个没有类属性）。当我创建一个Instance进行分类时，我应该为属性类引入一个值吗？喜欢 ”？”或“-1”或类似的东西。它会改变什么吗？示例：

ArrayList<Double> featureVector = new ArrayList<Double>();
featureVector.add((double) 0);
featureVector.add((double) 85);
featureVector.add((double) 85);
featureVector.add((double) 1);  
//featureVector.add((double) -1); -> Class attribute

Instances instances = classification.featureVectorToInstances(featureVector);
result = classification.classifyInstanceToString(instances.firstInstance());

以及功能：

公共实例 featureVectorToInstances(ArrayList featureVector)

Instances instances = new Instances("Instances", attributes, 0);    
DenseInstance instance = new DenseInstance(attributes.size());

for(int i = 0; i < featureVector.size(); i++)

    instance.setValue(i, featureVector.get(i));

instances.add(instance);    
//Set class attribute
instances.setClassIndex(attributes.size()-1);

return instances;

public StringclassifyInstanceToString(Instance unlabeled) throws Exception

double clsLabel = cModel.classifyInstance(unlabeled);
unlabeled.setClassValue(clsLabel);
return unlabeled.classAttribute().value((int)clsLabel);

提前致谢

【问题讨论】：

有人吗？它过去了一个多星期，仍然没有正确的答案......：（

【参考方案1】：

如果我理解正确：

您必须为火车实例提供标签。原因：学习算法使用跟踪数据构建模型，然后使用模型对新实例进行分类，然后评估他自己的类预测，将它们与原始标签进行比较。因此，如果没有标签，就无法评估算法性能。

【讨论】：

嗯，我不知道我解释得好不好。是的，有必要为训练实例提供标签，但我的意思是是否有必要为我们想要分类的每个实例提供类属性值（标签，我们想要找出的那个！）。我已经在主帖中添加了一些代码......也许现在更清楚了