问题标签 [j48]

我是使用 weka 的新手。我想将 j48 用于我的学生表现项目。我不知道如何编辑规则。例如，我有 8 个科目，如果总成绩 < 60，则需要在获得平均分后获得平均分：需要改进。我怎么做？抱歉，这一切都让我很困惑。

我尝试使用 J48 算法在 Weka 中的iris.arff数据集上运行一个简单的分类。我使用了 10 折的交叉验证，并且 - 如果我没记错的话 - J4​​8 的所有默认设置。结果是 96% 的准确率与 6 个错误分类的实例。

这是我的问题：据此，树可视化中的第二个数字是每个叶子中错误分类的实例的数量，但是为什么它们的总和不是 6 而是 3？

编辑：使用不同的测试选项运行算法我在准确性（以及因此错误的数量）方面获得了不同的结果，但是当我可视化树时，我总是得到具有相同 3 个错误的同一棵树。我仍然无法解释为什么。

给定一个包含以下内容的文本文件（比如 weather.txt）：

Java 中有没有办法将此文本作为 J48 对象读取。

目前我有一个数据文件“data.txt”（arff格式）：

我当前的代码是（如下）打印上面的树：

我的目标是将这些树保存在文本文件中。并把它们读回来。如何在java中阅读它们？

我原来的树要大得多，但由于我被这个问题困扰了很长时间，我决定尝试简化我的树。我结束了这样的事情：

如您所见，我只有一个名为“LarguraBandaRede”的属性，其中包含 3 个可能的标称值“Congestionado”、“Livre”和“Merda”。

之后，我从 weka 导出了 j48.model 以用于我的 java 代码。

使用这段代码，我导入模型以用作分类器：

之后我开始创建我的属性和实例文件的数组列表

其中 populateAttributes 给出了每个属性的可能值，在本例中为“Livre, Merda, Congestionado;” 对于 LarguraBandaRede 和对于 Resultado 的“Sim,Nao”，我的类属性。

创建我的实例之后是时候创建我的实例文件，即我要分类的实例

然后我用“LarguraBandaRede”的 3 个可能值设置每个实例。'instanceLivre' 与“Livre”，“instanceMediano”与“Merda”以及“instanceCongestionado”与“Congestionado”。

之后我只使用classifyInstance方法对这3个实例进行分类

这是我的结果：

如您所见，Merda 为“LarguraBandaRede”的实例被归类为与 Congestionado 相同的类，即“Nao”类。但这没有任何意义，因为上面的树清楚地表明，当“LarguraBandaRede”是“Merda”或“Livre”时，类应该是相同的。

所以这就是我的问题。这是如何发生的以及如何解决它？

提前致谢。

编辑

我不知道这个：

对模型的工作方式产生了任何影响。但是在为名义属性提供可能的值时，我们必须遵循这个顺序。

I have written a java program that build a J48 classifier using training set. Then I pass a test instance to the classifier to predict the unknown class. But each and every test instance classified in to first element of the class attribute.

example : - if I declare element of class attributes,

In this order, each instance classified in to first class element which is positive.

If I declare class element in this order,

each instance classified in to first class element which is negative.

My training set shows more than 90% accuracy in weka explore.

my training set look like

使用数据集、Weka 和 J48 分类器，我得到以下树：

它在右侧的“NumTweets”上分裂了很多。我可以防止 J48 在一个字段上进行超过指定数量的拆分吗？因为这显然过度拟合了我在特定领域的数据。理想情况下，我希望它只在分支中重复使用相同的字段 3-4 次。有什么办法可以做到这一点吗？

提前致谢！

我知道 j48 决策树用于gain ratio选择属性来制作树。但我想使用information gainandrandom selection而不是增益比。在select attribute tabWeka Explorer 中，我选择InfoGainAttributeEval并放置了开始按钮。之后，我看到了带有信息增益方法的属性排序列表。但我不知道如何使用这个列表在 Weka 中运行 j48。此外，我不知道如何在 j48 中随机选择属性。如果可以，请你帮助我。

对于分类，我使用 Weka 的 J48 决策树在几个标称属性上构建模型。现在有更多用于分类的数据（5 个非小属性），但每个属性都有 3000 个不同的值。我使用带有修剪功能的 J48，但它的内存不足（相关的 4GB）。使用较小的数据集，我在输出中看到，J48 保留所有叶子，没有与之关联的实例。为什么将它们保留在模型中？我应该切换到另一种分类算法吗？

我正在尝试使用 Weka 查看我的数据集。当我加载我的数据集，我要分类，我选择J48并点击开始它会正常，我在右下角的鸟会来回走动，旁边会有斧头1。状态将更新为“在火车数据上构建模型”，但一两秒后，鸟会停下来坐下来，它会变为 x 0。之后没有进一步的进展。

我正在查看的文件是一个包含 5 列的 csv 文件。第一行，是一行标签，总行数为 1971 行（显然在每一列中）。

我对此进行了一些研究，但没有找到解决方案。可能我找错地方了？对此问题的任何指导或解决方案将不胜感激！

停止时的屏幕图像

我正在编写一个程序来将给定的测试实例分类为“正面”或“负面”；使用 j48 算法。我使用 Weka 工具创建了模型，并在我的 java 程序中使用它。

我的 Java 程序

我的训练数据文件

我从 ArrayIndexOutOfBoundsExceptionresult = cls_co.classifyInstance(data.firstInstance());

我尝试了很多在互联网上找到的例子。但我仍然遇到同样的错误。

提前致谢。