为什么决策树在 WEKA 中没有按预期工作？答案

【问题标题】：Why is Decision tree not working as expected in WEKA?为什么决策树在 WEKA 中没有按预期工作？
【发布时间】：2015-01-26 02:16:13
【问题描述】：

我正在关注一本书“机器学习：开发人员和技术专业人员的实践”，以使用 WEKA 创建决策树。尽管我遵循了与书中所示相同的过程，但我没有得到相同的决策树。我正在使用 C4.5 (J48) 算法。

数据（arff 文件）

@relation ladygaga

@attribute placement {end_rack, cd_spec, std_rack}
@attribute prominence numeric
@attribute pricing numeric
@attribute eye_level {TRUE, FALSE}
@attribute customer_purchase {yes, no}

@data
end_rack,85,85,FALSE,yes
end_rack,80,90,TRUE,yes
cd_spec,83,86,FALSE,no
std_rack,70,96,FALSE,no
std_rack,68,80,FALSE,no
std_rack,65,70,TRUE,yes
cd_spec,64,65,TRUE,yes
end_rack,72,95,FALSE,yes
end_rack,69,70,FALSE,no
std_rack,75,80,FALSE,no
end_rack,75,70,TRUE,no
cd_spec,72,90,TRUE,no
cd_spec,81,75,FALSE,yes
std_rack,71,91,TRUE,yes

预期输出

我的输出

我做错了什么？

【问题讨论】：

标签： machine-learning weka decision-tree

【解决方案1】：

这是本书的问题（将答案保留在这里，以便帮助本书的其他读者）。

Book 预计 end_rack 类别中只有一个否定案例（在作者的树形图中查找 (5,1)）。在书中提供的数据中，甚至在书籍网站上，实际上有两个否定案例（5,2）。我删除了一个否定案例，得到了与本书相同的决策树。

这是更正后的数据 arff 文件

@relation ladygaga

@attribute placement {end_rack, cd_spec, std_rack}
@attribute prominence numeric
@attribute pricing numeric
@attribute eye_level {TRUE, FALSE}
@attribute customer_purchase {yes, no}

@data
end_rack,85,85,FALSE,yes
end_rack,80,90,TRUE,yes
cd_spec,83,86,FALSE,no
std_rack,70,96,FALSE,no
std_rack,68,80,FALSE,no
std_rack,65,70,TRUE,yes
cd_spec,64,65,TRUE,yes
end_rack,72,95,FALSE,yes
end_rack,69,70,FALSE,yes
std_rack,75,80,FALSE,no
end_rack,75,70,TRUE,no
cd_spec,72,90,TRUE,no
cd_spec,81,75,FALSE,yes
std_rack,71,91,TRUE,yes

正确输出

【讨论】：

我认为跟随刚刚出版的书的第一版总是有风险的。