我基于 107 个实例、11 个特征和每个阶段两个类构建了三个分类器。 Weka用作机器学习工具。
第一个分类器预测类别 0 和类别 1-2-3。 (所有107个实例均用于交叉验证方法的训练和测试)
第二个分类器预测类别 1 和类别 2-3。(删除类别 0 的实例进行训练和测试)
第三个分类器预测类别 2 和类别 3。(删除类别 1 的实例进行训练和测试)
Randoforest 应用于每个分类器。有谁知道如何组合这三个分类器？
最佳答案
这看起来有点奇怪的分类器包，但最明显的解决方案是在顶部构建一个“元分类器”，它将决定什么是真正的类。考虑根据以下形式的数据训练分类器:
输入:
-
ourput_of_classifier1(x)(一元格式) -
ourput_of_classifier2(x)(一元格式) -
ourput_of_classifier3(x)(一元格式)
输出:
- 标签
x
因此，您可以将原始数据转换为由预测标签组成的表示形式，并根据此类数据训练新的分类器。
最简单的可能性是训练朴素贝叶斯以 P(final_class=Y | classifier1(x)=y1, classifier2(x)=y2, classifier3(x)=y3) 形式构建条件概率
关于machine-learning - 分类器weka的组合，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/18854042/