我刚刚开始使用 Weka，并且在第一步中遇到了麻烦。
我们有我们的训练集：
@relation 感知器异或 @attribute X1 数字 @attribute X2 数字 @attribute 输出数字 @数据 1,1,-1 -1,1,1 1,-1,1 -1,-1,-1
我想做的第一步就是训练，然后使用 Weka gui 对集合进行分类。到目前为止我一直在做什么：
使用 Weka 3.7.0。
- 启动图形用户界面。
- 探险家。
- 打开文件-> 选择我的 arff 文件。
- 分类选项卡。
- 使用训练集单选按钮。
- 选择-> 函数>multilayer_perceptron
- 单击顶部的“多层感知器”文本以打开设置。
- 将隐藏层设置为“2”。（如果选择 gui 为真，则表明这是我们想要的正确网络）。单击确定。
- 点击开始。
输出：
=== 运行信息 ===
方案：weka.classifiers.functions.MultilayerPerceptron -L 0.3 -M 0.2 -N 500 -V 0 -S 0 -E 20 -H 2 -R
关系：PerceptronXOR
实例：4
属性：3
X1
X2
输出
测试模式：对训练数据进行评估
=== 分类器模型（完整的训练集）===
线性节点 0
输入权重
阈值 0.21069691964232443
节点 1 1.8781169869419072
节点 2 -1.8403146612166397
Sigmoid 节点 1
输入权重
阈值 -3.7331156814378685
属性 X1 3.6380519730323164
属性 X2 -1.0420815868133226
乙状结肠节点 2
输入权重
阈值 -3.64785119182632
属性 X1 3.603244645539393
属性 X2 0.9535137571446323
班级
输入
节点 0
构建模型所需时间：0 秒
=== 训练集评估 ===
=== 总结 ===
相关系数 0.7047
平均绝对误差 0.6073
均方根误差 0.7468
相对绝对误差 60.7288 %
根相对平方误差 74.6842 %
实例总数 4
0.3 的 500 次迭代并没有得到错误，但 5000 @ 0.1 的错误似乎很奇怪，所以让我们继续吧。
现在使用测试数据集：
@relation 感知器异或 @attribute X1 数字 @attribute X2 数字 @attribute 输出数字 @数据 1,1,-1 -1,1,1 1,-1,1 -1,-1,-1 0.5,0.5,-1 -0.5,0.5,1 0.5,-0.5,1 -0.5,-0.5,-1
- “提供的测试集”的单选按钮
- 选择我的测试集 arff。
- 点击开始。
=== 运行信息 ===
方案：weka.classifiers.functions.MultilayerPerceptron -L 0.1 -M 0.2 -N 5000 -V 0 -S 0 -E 20 -H 2 -R
关系：PerceptronXOR
实例：4
属性：3
X1
X2
输出
测试模式：用户提供的测试集：大小未知（增量读取）
=== 分类器模型（完整的训练集）===
线性节点 0
输入权重
阈值-1.2208619057226187
节点 1 3.1172079341507497
节点 2 -3.212484459911485
Sigmoid 节点 1
输入权重
阈值 1.091378074639599
属性 X1 1.8621040828953983
属性 X2 1.800744048145267
乙状结肠节点 2
输入权重
阈值 -3.372580743113282
属性 X1 2.9207154176666386
属性 X2 2.576791630598144
班级
输入
节点 0
构建模型所需时间：0.04 秒
=== 测试集评估 ===
=== 总结 ===
相关系数 0.8296
平均绝对误差 0.3006
均方根误差 0.6344
相对绝对误差 30.0592 %
根相对平方误差 63.4377 %
实例总数 8
为什么无法正确分类这些？
仅仅是因为它在训练数据上很快达到了局部最小值，并且不“知道”这并不适合所有情况吗？
问题。
- 为什么 500 @ 0.3 不起作用？对于这样一个简单的问题似乎很奇怪。
- 为什么它在测试集上失败。
- 如何传入一个集合进行分类？