fxqwgdddg123的博客

利用二分类学习器解决多分类问题拆分策略（1）一对一拆分阶段，N个类两两配对，共N（N-1)/2个二类任务，学习N(N-1)/2个二分类器。测试阶段，首先将待测样本提交给所有二分类器预测，得到N(N-1)/2个分类结果，然后投票产生最终的分类结果。即被预测最多的类标记作为最终的分类结果。（2）一对其余拆分阶段，分别将原始的N个类别中某一类作为正例，其余类作为反例，学习N个二类分类器测试阶段，将待测样本提交给所有的分类器预测，得到N个分类结果。若仅有一个分类器预测为正类，则对应类别为最终的分类结果

Weka中使用Cluster标签页来处理聚类问题。页面中各项的使用方法与Classify几乎一样。不同之处：（1）Cluster标签页左侧Clusterer mode（聚类器模式）选项组中Classes to clusters evaluation（类别作为簇的评估准则）：比较所选择的簇与预先指定的数据类别的匹配程度。选项下方有一个下拉列表框，其操作与Classify标签页选择类别属性的操作一样。Store clusters for visualization（可视化保存簇）：选中此复选框，在训练

分类是预测离散的值回归是预测连续的值1.分类器的选择Weka提供Classify标签页来构建分类器。Classify标签页最上面有Classifier（分类器）选项组，使用方法和Preprocess标签页Filter（过滤器）选项组一直，详情见上一篇博客。过滤器选项组使用方法Classify标签页左部有Test options（测试选项）选项组。用于设置测试模式，并将设置的选项应用到当前选择的分类器中，测试模式有：（1）Use training set（使用训练集）：直接将训练集实例用于测试（

点击主界面的Explorer按钮后，显示界面Explorer界面：初始打开时，只有Preprocess标签可以用1.各个标签用途（1）Preprocess（预处理）：选择数据集，以不同方式对其进行修改。（2）Classify（分类）：训练用于分类或回归的学习方案，并对其进行评估。（3）Cluster（聚类）：学习数据集聚类方案。（4）Associate（关联）：学习数据关联规则，并对齐进行评估。（5）Select attributes（选择属性）：选择数据集中预测效果最好的部分属性。（6）

weka主界面如下：1.Program（编排）菜单（1）LogWindow（日志窗口）：打开一个记录输出到stdout或stderr内容的日志窗口。windows环境下，如果以不带控制台输出的方式启动，日志窗口比较游泳。（2）Memory usage（内存使用情况）：打开一个显示内存使用情况的窗口，如果用户发现内存占用过大，可单击窗口右边的GC按钮，启动垃圾回收器。（3）Exit（退出）：关闭WeKa2.Visualization（可视化）菜单（1）Plot（散点图）：画出数据集的二维散点图；

1.weka主界面各个功能键概述Explorer（探索者）：最容易使用的图形用户界面，通过菜单和填写表单可以调用weka的所有功能。缺陷：要求将所需数据全部依次读进内存，一旦用户打开某个数据集，就会批量读取全部数据。因此，这种批量方式仅适合处理中小规模问题。KnowledgeFlow（知识流）：可以使用增量方式的算法来处理大规模的数据集，无需一次性全部导入。Experimenter（实验者）：对于一个已知问题，哪种方法及参数值能够取得最佳效果。即可以用于进行多种算法性能的比较。2.基本概念2.