java - Weka 未标记属性...它是否必须是实例的一部分才能进行分类？

Question

简单快速的怀疑。假设我的 ARFF 看起来像这样:

@attribute outlook { sunny, overcast, rainy }
@attribute temperature numeric
@attribute humidity numeric
@attribute windy { TRUE, FALSE }
@attribute play { yes, no }

@data
sunny, 85, 85, FALSE, no
sunny, 80, 90, TRUE, no
overcast, 83, 86, FALSE, yes
rainy, 70, 96, FALSE, yes
rainy, 68, 80, FALSE, yes
......

5 个属性(4 个没有类属性)。当我创建一个实例对其进行分类时，我应该为属性类引入一个值吗？喜欢 ”？”或“-1”或类似的东西。它会改变什么吗？示例:

ArrayList<Double> featureVector = new ArrayList<Double>();
featureVector.add((double) 0);
featureVector.add((double) 85);
featureVector.add((double) 85);
featureVector.add((double) 1);  
//featureVector.add((double) -1); -> Class attribute

Instances instances = classification.featureVectorToInstances(featureVector);
result = classification.classifyInstanceToString(instances.firstInstance());

以及功能:

公共(public)实例 featureVectorToInstances(ArrayList featureVector){

Instances instances = new Instances("Instances", attributes, 0);    
DenseInstance instance = new DenseInstance(attributes.size());

for(int i = 0; i < featureVector.size(); i++)

    instance.setValue(i, featureVector.get(i));

instances.add(instance);    
//Set class attribute
instances.setClassIndex(attributes.size()-1);

return instances;

}

公共(public)字符串classifyInstanceToString(实例未标记)抛出异常{

double clsLabel = cModel.classifyInstance(unlabeled);
unlabeled.setClassValue(clsLabel);
return unlabeled.classAttribute().value((int)clsLabel);

}

提前致谢

Answer 1

如果我理解正确的话:

您必须提供列车实例的标签。原因:学习算法使用训练数据构建模型，然后使用该模型对新实例进行分类，然后评估自己的类别预测，将其与原始标签进行比较。因此，如果没有标签，就不可能评估算法性能。