Кластеризация перед классификацией в Weka

Question

Экземпляры в моем наборе данных имеют несколько числовых атрибутов и двоичный класс. В Weka есть способ использования кластера и передать результат классификатору (например, SMO), чтобы улучшить результаты классификации?

Answer 1

Один из способов, которые вы могли бы добавить данные кластера в ваши данные, используя метод ниже (в Weka проводнике):

1. Загрузите ваш любимый Dataset
2. Выберите кластерную модель (В моем случае, я использовал SimpleKMeans)
3. Измените параметры кластеризатора в соответствии с требованиями
4. Используйте обучение Набор для режима кластера
5. Начала кластеризации процесс
6. После Кластеры были получены, правой кнопкой мыши на списке результатов и выберите «Визуализируйте Cluster присвоений»
7. Выберите Y, чтобы быть в кластер, а затем нажмите кнопку Сохранить, как показано ниже:

8. Сохраните данные в назначенное место.

Затем вы можете загрузить этот файл и использовать информацию о кластере в своем классификаторе точно так же, как и любой другой атрибут. Просто убедитесь, что для класса установлен правильный атрибут, и вы должны быть права, чтобы идти.

ПРИМЕЧАНИЕ. Когда я запускал эти тесты, я использовал J48 для оценки класса, и казалось, что J48 использовал только значения кластеров для оценки класса. Точность модели также была удивительно высокой, поэтому либо набор данных был либо слишком простым, либо я мог пропустить шаг в процессе кластеризации.

Надеюсь, что это поможет!

Answer 2

В Weka проводнике, после загрузки набора данных

• выберите вкладку Preprocess,
• нажмите "Выбрать ..." Button,
• добавить бесконтрольный-атрибут-фильтр "AddCluster".
• нажмите рядом с кнопкой, чтобы открыть поле выбора кластеризатор, выберите кластеризатор,
• Configure/параметризировать кластеризатор
• закрыть все модальные диалоговые окна

Нажмите кнопку «Применить», чтобы применить фильтр , Он добавит еще один атрибут «кластер» как самый правый в списке атрибутов.

Затем продолжите свои эксперименты по классификации.