java - 使用 weka API 对高维 int 向量进行分类的最佳方法是什么？

Question

我有一些整数的高维（30000 维）向量。我有 2 节课：[是，否]。我有 6000 个 YES 类样本和 50000 个 NO 类样本。我想训练一个分类器，以便将来自动将新样本分类到这些类之一。

我知道如何使用 Weka Java API，但我不确定以何种顺序使用哪些算法。任何人都可以就以下问题给我建议：

1. 向量是不是维数太高，还是我有太多样本无法在 Weka 中有效地做到这一点？
2. 我应该在开始之前降低维度吗？我可以使用什么算法来识别特征向量的重要元素？
3. 哪种分类器最适合对此类数据进行分类？我认为决策树应该可以正常工作，但也许朴素贝叶斯训练起来更快，是吗？
4. 由于 weka 中的每个元素都必须有一个名称，我如何为我的 30000 个功能中的每一个分配一个名称？

任何建议表示赞赏。谢谢。

Answer 1

1. 这个问题的维度数量肯定是相当大的，但我相信 Weka 应该能够处理大量的维度。样本的数量应该不是问题，但是 NO 类的样本比 YES 类的样本要多得多，因此平衡两者可能有助于更好地对 NO 类的情况进行分类。

2. 如果您认为存在冗余维度或某些维度可能包含噪声，那么它肯定会有所帮助。

3. 决策树不应该是太大的问题。Weka 中有许多算法可用，但考虑到问题的维度，我不推荐使用神经网络。

4. 如果您已将数据保存在 CSV 文件中，则可以在数据的第一行指定属性名称。这样，您可以分配属性名称。给定维数，您可能会将这些 a1 称为 a30000 和输出类的输出。

希望这可以帮助！