R中的J48树 - 训练和测试分类

Posted 2023-03-12

【中文标题】R中的J48树 - 训练和测试分类

【英文标题】：J48 tree in R - train and test classification

【发布时间】：2016-09-02 18:08:12

【问题描述】：

我想在 R 上的 J48 决策树中使用训练和测试。 这是我的代码：

library("RWeka")

data <- read.csv("try.csv")
resultJ48 <- J48(classificationTry~., data)

summary(resultJ48)

但我想将我的数据分成 70% 的训练和 30% 的测试，我该如何使用 J48 算法来做到这一点？

非常感谢！

【问题讨论】：

无替换数据采样怎么样（见?sample）

【参考方案1】：

使用caTools 包的sample.split() 函数。它比 caret 包更轻量级（如果我没记错的话，它是一个元包）：

library(caTools)

library(RWeka)

data <- read.csv("try.csv")
spl = sample.split(data$someAttribute, SplitRatio = 0.7)

dataTrain = subset(data, spl==TRUE)
dataTest = subset(data, spl==FALSE)

resultJ48 <- J48(as.factor(classAttribute)~., dataTrain) 
dataTest.pred <- predict(resultJ48, newdata = dataTest)
table(dataTest$classAttribute, dataTest.pred)

【讨论】：

dataTest.pred是什么意思？您只是将所有信息放在一起在 dataTest 中创建 pred 以将结果保存到它？

还有，我怎么能看到这样的结果摘要？

使用summary(resultJ48) 获得“weka-specific”输出“正确分类的实例....” --- dataTest.pred 保存训练分类器的输出，应用于 30% 训练数据。我认为您可能想在您的测试数据上使用 J48 的输出。所以我只是写了一些对我来说很自然的东西。我无法推断您实际上想要做什么，因为您只是在问题中写了一些非常通用的东西。 table() 只是比较 testdata 和预测的 testdata 属性值。简单的混淆矩阵。

【参考方案2】：

您可能想check the createDataPartition in caret package。

【参考方案3】：

它不是在 R 中，而是在 java 中......但是你会理解它的逻辑。

int trainSize = (int) Math.round(trainingSet.numInstances() * 0.7); //70% split 
int testSize = trainingSet.numInstances() - trainSize;
Instances train = new Instances(trainingSet, 0, trainSize);
Instances test = new Instances(trainingSet, trainSize, testSize)

用相同的逻辑在 R 中实现。希望对你有帮助:)

【参考方案4】：

如果你不想使用 RWeka 以外的更多包，可以使用 runif：

library("RWeka")
data <- read.csv("try.csv")

randoms=runif(nrow(data))

resultJ48 <- J48(classificationTry~., data[randoms<=0.7,])
PredTest <- predict(resultJ48, newdata = data[randoms>0.7,])
table(data[randoms>0.7,]$classificationTry, PredTest)