Weka之重复训练与测试数据

最新推荐文章于 2022-09-17 14:23:06 发布
最新推荐文章于 2022-09-17 14:23:06 发布
阅读量1.1k 收藏 3
点赞数 1
CC 4.0 BY-SA版权
分类专栏： Weka
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42752823/article/details/103058422
本文介绍了如何在Weka中通过设定随机种子和重复实验，以估算训练数据和测试数据带来的误差。具体步骤包括选择数据集、应用J48分类器，并通过改变随机种子进行多次实验，计算正确率的平均值和方差，从而得到更可靠的评估结果。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

训练数据和测试数据是从相同的总体中取出独立样本，结果自然存在误差。但我们可以通过设定随机种子和重复实验来估算误差。还可以通过实验计算平均值和方差。

1、打开Explorer界面，选择数据集segment-challenge.arff。

2、打开classify面板，选择J48分类器。

3、将Percentage split按比划分设为90%，即数据集的90%为训练集，10%为训练集。点击“start”后，查看正确率为96.667%。
在这里插入图片描述

在这里插入图片描述
4、将Random seed for XVal /% Split设置为2。点击“start”后，查看正确率为94%。
在这里插入图片描述在这里插入图片描述
5、将Random seed for XVal /% Split设置为3，点击“start”后，查看正确率为94%。

在这里插入图片描述
6、将Random seed for XVal /% Split设置为4，点击“start”后，查看正确率为96.6667%。<

最低0.47元/天 解锁文章

200万优质内容无限畅学
weka java_weka java加载模型和使用测试数据集
weixin_42120405的博客
02-19 579
我尝试通过执行序列化和反序列化来构建weka模型，如weka wikii中的说明所述。使用培训中的bayesnet构建并希望加载该模型进行测试。培训和测试具有相同的属性 过滤器的设置是这样的：weka java加载模型和使用测试数据集Remove rm = generateFilter(filterOption);FilteredClassifier fc = new FilteredClassi...
Weka教程，使用Weka进行简单的分类和聚类
weixin_46039606的博客
04-22 1万+
对于Percentage split选项，当你的数据集没有测试集时，可以通过设置右侧的数字来将你的数据集分为训练集和测试集，图中的数字为66，其代表将数据集66%的数据作为训练集，其余34%的数据作为测试集。3，找到自己Weka的安装目录，进入data文件夹，选择自己需要分类的数据集，当然也可以是外部数据集，但文件需要是arff类型文件，其它文件类型如何转为arff类型可参考。1，前面的操作和上面分类操作的步骤一样，导入数据集后进入到聚类的界面，需要注意的地方在下图中进行了标注。
java怎么用weka_使用保存的模型通过Java代码测试数据（Weka）
weixin_39533052的博客
02-26 328
我是机器学习的新手，所以在某些情况下我的理解可能是错误的 . 我正在尝试通过使用weka通过Java代码加载已保存的模型来测试数据 .Instances testingData = readArffFile(testFile);try{LibSVM cls = (LibSVM) weka.core.SerializationHelper.read(model);Evaluation eval = ...
weka（基线准确度）
dujuancao11的博客
02-23 928
基线准确度 数据集diabetes J48 NaiveBayes分类器 PART ZeroR分类器找到可能性最大的分类，然后总是猜这个分类，和数据分布有关 500/768约等于0.651042，这个就是基线精确度 在应用前先尝试一下基线分类器ZeroR ...
weka机器学习-04-分类
fxqwgdddg123的博客
11-06 3172
分类是预测离散的值 回归是预测连续的值 1.分类器的选择 Weka提供Classify标签页来构建分类器。 Classify标签页最上面有Classifier（分类器）选项组，使用方法和Preprocess标签页Filter（过滤器）选项组一直，详情见上一篇博客。过滤器选项组使用方法 Classify标签页左部有Test options（测试选项）选项组。用于设置测试模式，并将设置的选项应用到当前选择的分类器中，测试模式有： （1）Use training set（使用训练集）：直接将训练集实例用于测试（
【数据分割】：WEKA中的训练集与测试集，确保模型准确性的关键步骤
[【数据分割】：WEKA中的训练集与测试集，确保模型准确性的关键步骤](https://www.weka.io/wp-content/uploads/files/2020/04/inner_cust_diagram-1024x541.png) # 摘要 数据分割作为机器学习中的重要预处理步骤，...
WEKA教程：数据挖掘与测试集使用详解
"WEKA教程，数据挖掘工具，训练集，测试集，K折交叉验证，保持方法，代价矩阵，数据格式，ARFF文件" 在数据挖掘和机器学习领域，WEKA是一个广泛应用的开源工具，它提供了丰富的数据分析和挖掘功能。这个教程详细...
划分训练集和测试集weka
最新发布
01-04
- 对于简单的固定百分比分割，可以选择`Percentage split`选项，并输入期望作为训练样本的比例数值，默认情况下该值设为66%，意味着大约三分之二的数据会被用来构建模型而剩余部分则构成独立验证用的测试集合。...
WEKA教程：四步挖掘法与数据准备全流程
3. **交叉验证**：通过将数据集划分为若干个互不重叠的子集，每次用其中一个子集作为测试集，其余子集用于训练，重复多次，最后取平均结果，降低因随机划分带来的误差。常见的有k折交叉验证（k-Fold Cross ...
Weka之训练与测试数据
qq_42752823的博客
10-27 7326
什么是训练数据和测试数据？ 训练数据经过机器学习算法（ML Algorithm）可以得到分类器，再将测试数据放入分类器，则可得到评估结果。 训练集和测试集应来源于同一个数据集，但为两个不相交的集合。比如：将一个数据集的1/3作为测试集，2/3作为训练集。 接下来通过一个简单的实验进一步理解训练与测试数据： 1、打开Explorer界面，选择数据集segment-challenge.arff。 2...
Classifier-Weka
03-08
分类器-Weka 参考： : 参考：Rolf Schwitter，Carla P. Gomes，Bing Liu，KAU，David Page和Paul Kennedy的幻灯片 培训和测试-我 练习-I 使用“ segment-challenge.arff”作为训练集，使用“ segment-test.arff”作为测试集； 选择具有默认K值的KNN； 输出精度； 评估训练集。 培训和测试-继续 练习-II 加载“ segment-challenge.arff”； 70％的“ segment-challenge.arff”用作训练集，其余作为测试集； 选择具有默认K值的KNN； 输出精度； 评估训练集。 练习-III 哪些功能对“友好”的影响最大？ 数据源“ Rabbit_Sydney_Data”。 您还可以通过Weka发现哪些知识？
weka使用记录
heySister
06-19 555
前言 最近做实验需要用到weka这个工具，不是机器学习出生，懵懵懂懂啊。这个帖子不是系统地整理，只是简单地记录我对这个工具熟悉的每一步，甚至还没有逻辑
用 WEKA 进行数据挖掘入门篇之最近邻和服务器端库（三）
low5252的博客
02-22 611
简介 在这个 “用 WEKA 进行数据挖掘” 系列之前的两篇文章中，我介绍了数据挖掘的概念。如果您还未曾阅读过 用 WEKA 进行数据挖掘，第 1 部分：简介和回归 和 用 WEKA 进行数据挖掘，第 2 部分：分类和群集，那么请先阅读这两个部分，因为二者涵盖了一些在继续之前必须了解的关键概念。而且更重要的是，在这两个部分中我谈及了数据挖掘中常用的三种技术，它们可以将难以理解的无用数据转变为有意义...
Weka数据挖掘——关联
狼行千里
01-23 3992
Weka数据挖掘——关联
[WEKA] 2 evaluation
La La Land
11-01 632
Weka的学习结果评估部分。
Weka 分类树输出结果解析 Weighted.avg
deercho的博客
05-09 1887
本文是对weka分类树的结果解释，集合了其它的博文 我们使用的是weka自带的weather数据库 先看左侧， classifier是分类方法，J48是递归分治策略； cross-validation表示交叉验证，使用了10-Folds percentage split 表示分割比例，用以分割训练集和测试集（猜的） 再看看output，yes(9/3)(5/2) 表示训练集里3个yes，测试集里2个yes 其他的： 百度文库里挺好，对照着来 说明一下weighted.Avg, 以Precision为例
【数据挖掘软件 weka】第二部分 评估
问就ycy的博客
09-17 1636
https://www.youtube.com/watch?v=LcHw2ph6bss&list=PLm4W7_iX_v4NqPUjceOGd-OKNVO4c_cPD 这是由新西兰Waikato大学提供，关于如何使用weka进行数据挖掘的在线学习课程。
如何正确划分训练数据集和测试数据集------机器学习
热门推荐
大大枫free
08-05 2万+
数据集划分 对于分类问题训练集和测试集的划分不应该用整个样本空间的特定百分比作为训练数据，而应该在其每一个类别的样本中抽取特定百分比作为训练数据。sklearn模块提供了数据集划分相关方法，可以方便的划分训练集与测试集数据，使用不同数据集训练或测试模型，达到提高分类可信度。 数据集划分相关API： import sklearn.model_selection as ms 训练输入, 测试输入, 训练输出, 测试输出 = \ ms.train_test_split( 输入集, 输出集, test
weka 决策树
newmarui的专栏
04-21 1872
1.参数说明： General options: -h or -help Output help information. -synopsis or -info Output synopsis for classifier (use in conjunction  with -h) -t  （train file，训练文件，通常训练时只需要此文件即可，会进行10 交叉验证） S
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值