问题标签 [c4.5]

我正在寻找可以处理 NA 的 R 包或机器学习模型/算法（如randomForest、glmnet、gbdt等），而不是忽略具有任何 NA 实例的行或列。我不想推卸责任。有什么建议么？

我想ID3/C4.5在Hadoop. 任何人都可以通过想法如何继续。

我对算法很清楚，但我需要知道如何并行化它们。

I am implementing the C4.5 algorithm in .net, however I don't have clear idea of how it deals "continuous (numeric) data". Could someone give me a more detailed explanation?

使用“打高尔夫球”或“打球”数据（列在底部），选择根节点，我们查看 Outlook、温度、湿度和风，看看哪个具有最高的 GainRatio。

现在，Outlook 将被选为 GainRatio 最高的属性。但是，我很困惑 Humidity （连续属性）选择了具有GainRatio=0.1087的分割点80，而65具有更高的GainRatio=0.1285。分割点 80 确实具有较高的增益，但没有增益比率。

我看过文献粗略地说“选择连续属性的分裂点作为获得最大收益的那个”......这对我来说似乎违反直觉，分裂点仅基于增益，而不是在比较所有属性时选择最高的 GainRatio 作为下一个决策节点。

我希望在这里得到一些澄清。

谢谢。

计算如下：

展望：
增益 = 0.2467
SplitInfo = 1.5774
增益比 = 0.1564

温度：
增益 = 0.0292
SplitInfo = 1.5566
增益比 = 0.0187

湿度：
可能的分割点 = { 65, 70, 75, 78, 80, 85, 90, 95, 96 }

拆分 65：
增益 = 0.0477
拆分信息 = 0.3712
增益比 = 0.1285

拆分 80：
增益 = 0.1022
拆分信息 = 0.9402
增益比 = 0.1087

风：
增益 = 0.0481
拆分信息 = 0.9852
增益比 = 0.0488

数据：

我想使用 NetBeans 和 WEKA 库创建一个 GUI。一个按钮用于上传包含数据的 arff 文件，另一个按钮用于使用 J48 算法生成决策树。所有在线教程都展示了如何使用 WEKA 资源管理器进行生成，但如何在我们的 GUI 中执行此操作？

我正在尝试在 Map Reduce 上实现 c45 算法，这里的代码在给定一些训练数据的情况下只生成一个规则集。

该类包含主要方法。

该类用于计算增益比。

此映射器类检查此实例是否属于当前节点。对于所有未发现的属性，它输出索引及其值和实例的类标签。

此类计算（索引及其值和类标签）组合的出现次数并针对它打印计数。

此类拆分属性

输入的训练数据集看起来像这样->

我正在尝试使用一些分类技术构建分类器“模型”。从 C4.5 技术开始，面临缺失值的问题：

如何处理数据集中存在的缺失值？

我应该留在“吗？” 在缺少的属性？

Weka J48 决策树分类器是否支持对本质上非线性可分数据的问题进行分类？简而言之，J48 是线性分类器还是非线性分类器？

我在课堂上学习数据挖掘，但在使用 Orange 库时遇到了问题。我从 Weka 来到 Orange 并试图找到 J4.8 和 C4.5 算法，但我找不到它们列出。

谷歌搜索将我带到一个页面，该页面说它具有算法（http://docs.orange.biolab.si/widgets/rst/classify/c45.html），但我仍然找不到它们。我正在使用 Python 2.7。它兼容还是我必须写它们？

谢谢

Weka 的 J48 允许检查一组完整属性的信息增益，我应该使用这些重要属性来构建我的模型吗？或者我应该使用全套属性吗？