Java，Weka：如何预测数字属性？

Question

我试图使用 Weka 的 NaiveBayesUpdateable 分类器。我的数据包含名义属性和数字属性：

  @relation cars
  @attribute country {FR, UK, ...}
  @attribute city {London, Paris, ...}
  @attribute car_make {Toyota, BMW, ...}
  @attribute price numeric   %% car price 
  @attribute sales numeric   %% number of cars sold

我需要根据其他属性预测销售数量（数字！）。

我知道我不能在 Weka 中使用数字属性进行贝叶斯分类。一种技术是将数值属性的值拆分为长度为 k 的 N 个区间，并使用名义属性代替，其中 n 是类名，如下所示：@attribute class {1,2,3,...N}。

然而，我需要预测的数字属性范围从 0 到 1 000 000。创建 1 000 000 个类根本没有意义。如何使用 Weka 预测数值属性，或者如果 Weka 没有用于此任务的工具，需要寻找哪些算法？

Answer 1

您要做的是回归，而不是分类。差异正是您所描述/想要的：

• 分类具有离散的类/标签，任何名义属性都可以在这里用作类
• 回归有连续的标签，类在这里是一个错误的术语。

大多数基于回归的技术可以通过定义阈值转换为二元分类，并且根据预测值是高于还是低于该阈值来确定类别。

我不知道所有提供回归的 WEKA 分类器，但您可以从这两个开始：

• MultilayerPerceptron：基本上是一个神经网络。
• LinearRegression：顾名思义，线性回归。

您可能必须使用NominalToBinary 过滤器将名义属性转换为数字（二进制​​）属性。

Answer 2

您可以在 weka 分类器 > 函数 > 线性回归中找到使用回归。 这是一个在weka中创建回归模型的例子https://developer.ibm.com/articles/os-weka1/

Answer 3

这些天来，我相信在 Weka 3.7 中首次引入的 RandomForest 会按照您的意愿工作。特征可以是名义和数字的混合，并且预测也可以是数字的。

缺点（我想在你的情况下）是它不是一个 Updateable 类，因为 NaiveBayesUpdateable 可以很好地处理可能无法一次全部放入内存的大量数据。