0

我是 WEKA 和 ML 的新手，所以请原谅我对以下内容的无知。我浪费了几个小时试图弄清楚，所以希望有人能指出我正确的方向：

我正在尝试对 USDJPY 的数据运行 J48 决策树。数据是通过 .csv 文件加载的，并且类值是名义类型，更具体地说，如果 USDJPY 在 20 个交易日后交易价格上涨超过 1%，则值为 TRUE 或 FALSE。问题是，当我运行算法时，决策树只是简单地使用类值来解决问题，这是没有用的。除了我希望从中预测类属性的类属性之外，还有 *22 个属性。

将我的数据集与示例“玻璃”数据集进行比较时，我找不到可以解释我的问题的两者之间的任何区别。当我运行 J48（具有相同设置）时，“glass.arff”按预期工作，尝试通过其他属性预测类值（玻璃类型）（即，它得到了一些错误的猜测）。

我在这里想念什么？这是属性列表：

@ATTRIBUTE date NUMERIC
@ATTRIBUTE open NUMERIC
@ATTRIBUTE high NUMERIC
@ATTRIBUTE low NUMERIC
@ATTRIBUTE close NUMERIC
@ATTRIBUTE 1daypctchg NUMERIC
@ATTRIBUTE smavg50onclose NUMERIC
@ATTRIBUTE smavg100onclose NUMERIC
@ATTRIBUTE smavg200onclose NUMERIC
@ATTRIBUTE ubb2 NUMERIC
@ATTRIBUTE bollma2 onclose NUMERIC
@ATTRIBUTE lbb2 NUMERIC
@ATTRIBUTE bollwjpybgn NUMERIC
@ATTRIBUTE %bjpybgn NUMERIC
@ATTRIBUTE rsi NUMERIC
@ATTRIBUTE ma50>100 {FALSE,TRUE}
@ATTRIBUTE ma50>200 {FALSE,TRUE}
@ATTRIBUTE ma100>200 {FALSE,TRUE}
@ATTRIBUTE up1pct5d? {FALSE,TRUE}
@ATTRIBUTE up1pct20d? {FALSE,TRUE}
@ATTRIBUTE dwn1pct5d? {FALSE,TRUE}
@ATTRIBUTE dwn1pct20d? {FALSE,TRUE}
4

1 回答 1

1

只要真实类别始终位于 .csv 文件的同一列中，Weka（及其 J48 实现）就应该能够对您的数据进行分类。

于 2016-09-17T22:40:10.987 回答