machine-learning - 对新的名义实例进行分类时更新数据集

Question

我正在使用 J48 对由数值和标称值组成的实例进行分类。 我的问题是我不知道在程序中会遇到哪个标称值。 因此，我需要“即时”更新模型的名义属性数据。

例如，假设我只有两个属性，职业和年龄，运行如下: 职业属性 = {}。

<小时/>

输入:[钢琴老师，22]。

OccuptaionAttribute = {钢琴老师}。

<小时/>

输入:[学校老师，30]

OccuptaionAttribute = {钢琴老师、学校老师}。

<小时/>

输入:[钢琴老师，40]

OccuptaionAttribute = {钢琴老师、学校老师}。

<小时/>

等等

现在我尝试通过复制以前的属性、添加新属性然后更新模型的数据来手动执行此操作。 在训练模型时效果很好。

但是! 当我想要分类一个新实例时，例如[SW工程师，52]，OccuptaionAttribute已更新: OccuptaionAttribute = {钢琴老师、学校老师、软件工程师}，但树本身以前从未“见过”“软件工程师”，因此无法完成分类并抛出异常。

您能指导一下如何处理上述情况吗？ Weka有没有机制支持上述问题？

谢谢!

Answer 1

训练时将占位符数据添加到您的名义属性中，例如 __other__。 在尝试对实例进行分类之前，首先检查名义属性的值是否以前见过；如果不使用占位符值:

Attribute attribute = instances.attribute("OccuptaionAttribute");
String s = "SW engineer";
int index = attribute.indexOfValue(s);
if (index == -1) {
    index = attribute.indexOfValue("__other__");
}

当您有足够的数据再次使用新值进行训练时。