问题标签 [weka]

在weka我加载了一个 arff 文件。我可以使用可视化选项卡查看属性之间的关系。

但是我无法理解抖动滑块的含义。它的目的是什么？

我正在使用 Weka 的资源管理器功能进行分类。

所以我有我的 .arff 文件，具有 NUMERIC 值的 2 个特征，我的类是二进制 0 或 1（例如 {0,1}）。

样本：

我加载这个 .arff 文件，使用 10 倍交叉验证（无测试文件），然后选择 NaiveBayes，然后我对数据进行分类，它给了我：5 个错误标记，100 个正确标记。到现在为止还挺好。

现在，我显着更改了我的 .arff 文件（为我的特征属性提供完全随机的值）。重复上述操作，我在分类时得到完全相同的统计数据。

我尝试对我的 .arff 文件进行更多更改，使用不同的分类算法。尽管如此，无论我给我的 .arff 文件赋予什么值，完全相同的统计数据（在相同的算法中）。

我在这里做错了吗？

我目前正在努力解决机器学习问题，而我必须处理大量不平衡的数据集。也就是说，有六个类（'1'，'2'...'6'）。不幸的是，例如“1”类有 150 个示例/实例，“2”类有 90 个实例，“3”类只有 20 个。所有其他类都不能“训练”，因为这些类没有可用的实例。

到目前为止，我发现 WEKA（我正在使用的机器学习工具包）提供了这种有监督的“重采样”过滤器。当我使用 'noReplacement'=false 和 'bialToUniformClass'=1.0 应用此过滤器时，这会产生一个数据集，其中实例的数量很好并且几乎相等（对于类 '1'..'3' 和其他留空）。

我现在的问题是：WEKA 和这个过滤器如何为不同的类生成“新”/附加实例。

非常感谢您提前提供任何提示或建议。

干杯朱利安

在用于 MICROARRAY DATA 的数据挖掘软件 WEKA 中，如何从现有数据集中删除冗余元组？删除冗余的代码应该在 JAVA 中。

即，数据集包含诸如

这里的元组 1,4,5 是多余的。

代码应返回以下 REDUNDANCY REMOVED 数据集...

我有一个包含 14 个数字列的 ARFF 文件。我想分别对每一列执行标准化，即将每一列的值修改为（actual_value - min(this_column)) / (max(this_column) - min(this_column)）。因此，列中的所有值都将在范围内[0, 1]。一列的最小值和最大值可能与另一列的不同。

如何使用 Weka 过滤器做到这一点？

谢谢

在此答案的后续行动中，我想问你们是否知道任何好的（更重要的是易于理解）教程和/或使用Weka 工具包进行数据挖掘的示例。

自从我第一次听说数据挖掘和它可以做的事情以来，我就对它非常感兴趣，我也有一些我想用我的数据做的实验，我已经买了四个书籍，我发现以下两本特别有趣：

数据挖掘 http://ecx.images-amazon.com/images/I/61DhYb1Z6QL._BO2,204,203,200_PIsitb-sticker-arrow-click,TopRight,35,-76_AA240_SH20_OU01_.jpg

最后一个是由 Weka 的同一作者编写的，包含很多示例，但我仍然觉得很难理解逻辑，特别是数学。我的数学技能目前很粗糙，我计划今年去大学，希望我能学习并能够更好地理解所涉及的数学，但在那之前我想在数据挖掘方面获得一些实践。

是否有任何包含示例数据的分步教程，我可以阅读以帮助我开始使用 Weka 工具包？

我觉得这个问题有点棘手。也许有人知道回答这个问题的方法。想象一下，你有一个你不知道它是什么的数据集（训练数据）。为了推断分类算法对这些数据进行分类，您会查看训练数据的哪些特征？我们能说一下我们应该使用非线性分类算法还是线性分类算法？

顺便说一句，我正在使用 WEKA 来分析数据。

有什么建议么？谢谢你。

使用带有支持向量机的 RBF 内核时有两个参数：C 和 γ。事先不知道哪个 C 和 γ 最适合一个问题；因此，必须进行某种模型选择（参数搜索）。目标是识别好的（C;γ），以便分类器可以准确地预测未知数据（即测试数据）。

weka.classifiers.meta.GridSearch是用于调整一对参数的元分类器。然而，似乎需要很长时间才能完成（当数据集相当大时）。为了缩短完成这项任务所需的时间，您建议做什么？

根据支持向量机的用户指南：

C：软边距常数。较小的 C 值允许忽略靠近边界的点，并增加边距。

γ> 0 是控制高斯宽度的参数

我正在尝试为 Weka 实现一个新的过滤器。我想知道，我应该怎么做才能调试 weka，这样我才能看到我的代码有什么问题，因为当我尝试在 weka 中运行过滤器时，我遇到了异常。目前我正在使用

打印变量的值，尝试找出问题，但是我浪费了很多时间生成 jar 文件，将它们处理到正确的位置，重新启动 weka 等等......等等......

在此先感谢您的帮助。

我正在做一个项目，我有一个用户击键时间数据的子集。这意味着用户进行了 n 次尝试，我将在各种分类算法中使用这些记录的尝试时间数据，以供未来用户尝试验证登录过程由用户或其他人完成。（简单地说，这是生物识别）

我有 3 次不同的用户登录尝试过程，当然这是无限数据的子集。

到目前为止，这是一个简单的分类问题，我决定使用 WEKA，但据我了解，我必须创建一些假数据来提供分类算法。用户的测量尝试将为 1，假数据将为 0。

我可以使用一些优化算法吗？或者有什么方法可以创建这个假数据来获得最少的误报？

谢谢