machine-learning - 如何使用 Weka 试验不同的功能集

标签 machine-learning weka

我有一个分类问题,为了解决这个问题,我计划使用不同的特征集,比如一元语法和二元语法,也许稍后会使用。我想尝试这些功能集的不同组合。最好的方法是什么?我是否必须为不同的功能集组合准备不同的文件?

最佳答案

一种简单的方法是使用“RemoveByName”过滤器,根据正则表达式过滤掉属性。因此,例如,如果一元特征名称以“uni_”开头,二元模型以“bi_”开头,则可以使用RemoveByName -E ^uni_ 只保留二元模型。您可以通过 GUI 作为预处理步骤或使用元“FilteredClassifier”来执行此操作。

但是,我想不出一种自动方法来在 WEKA 内尝试不同的组合。

关于machine-learning - 如何使用 Weka 试验不同的功能集,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/15358731/

相关文章:

python - 在 pipeline/gridSearch 中使用 TFI/DF 和 CountVectorizer

python - 使用 Python 匹配新闻数据中的公司名称

machine-learning - 在 Weka 中 - 不规范所有数字属性

r - 如何在 Caret 包中为 kNN 模型创建决策边界图?

python - "ValueError: Expected 2D array, got 1D array instead"将数据拟合到模型中时

math - 相关系数实际上代表什么

java - Weka ClassNotFoundException 异常

machine-learning - 如何为机器学习和预测建立良好的训练数据集?

mapping - 关于与核函数和支持向量机相关的术语的具体查询

r - R 中 svm 特征选择的示例