Java，Weka：如何预测数字属性？ [复制]

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

这根本不是分类问题。您应该为此使用 regression 模型，例如LinearRegression.

Answer 2

正如@larsmans 提到的，这不是分类，而是回归模型。问题是回归仅适用于数字数据。分类数据的标准方法是使用所谓的dummy variables。每个虚拟变量代表分类变量的一种状态，为 1 或 0。因此，您的属性列表可能会更改为以下内容：

@relation cars
@attribute country_FR
@attribute country_UK
...
@attribute city_London
@attribute city_Paris
...

例如，如果城市是伦敦，则变量 city_London 将设置为 1，而所有其他 city_* 变量将设置为 0。