weka操作实现决策树算法中打球与天气的关系

weka是基于JAVA环境下开源的机器学习（machine learning）以及数据挖掘（data mining）软件。今天我们首次使用weka操作一下决策树算法中模拟打球和天气关系。!

首先可以通过explore（探索）打开这个软件
然后我们通过左上角的open file，打开我们weka安装路径下的data文件，选择如图，将文件打开

我们可以在外面使用其他文本编辑器看到我们训练的数据集如下：
将这个数据集打开以后，我们可以通过右下角visualize all（全部可视化）可以直观地观察到各种相应情况下出去玩的比例（蓝表示yes，红表示no）。
a.接下来切换到classify面板。
b.选择trees->J48分类器，使用默认参数。（选tree我们才能看到可视化的决策树）
c.Test options选择默认的十折交叉验证。
d.点击start按钮，启动实验。
e.在右侧的Classifier output里面，我们看到了实验的结果。

由 Correctly Classified Instances 7 50 %。可以得知我们模型精确度只有50%
然后我们可以右键点击Result list中的选项,并选择visualize tree查看决策树的图形化结构。如图
该模型预测的话：
我们可以先创建一组数据，预测值用英文？（格式可以参考下下图）。如图在test options中选第二个然后open file打开创建的文件，然后关闭。

待预测数据如下：

start运行后，再右击打开visualize classifier errors，然后在其中点save命名保存。然后打开我们保存的文件即可查看结果。如图我们预测了一种情况rainy,hot,high,FALSE，结果是yes。

weka操作实现决策树算法中打球与天气的关系相关推荐

通俗理解决策树算法中信息增益的
转载自通俗理解决策树算法中信息增益的通俗理解决策树算法中的信息增益在决策树算法的学习过程中,信息增益是特征选择的一个重要指标,它定义为一个特征能够为分类系统带来多少信息,带来的信息越多,说明 ...
通俗理解决策树算法中的信息增益（最朴实的大白话,保准能看懂）
信息增益文章目录信息增益概念例子结论在决策树算法的学习过程中, 信息增益是特征选择的一个重要指标,它定义为一个特征能够为分类系统带来多少信息,带来的信息越多,说明该特征越重要, 相应的信 ...
决策树算法中处理噪音点
目录如何解决?--采用剪枝的方法. 预剪枝后剪枝如果训练集中存在噪音点,模型在学习的过程总会将噪音与标签的关系也学习进去,这样就会造成模型的过拟合化,也就是模型在训练集的分类效果很好,在未知数据 ...
scikit-learn 决策树算法中特征（自变量）重要性的计算
sklearn.tree.DicisionTreeClassifier类中的feature_importances_属性返回的是特征的重要性,feature_importances_越高代表特征越重要 ...
信息增益率C语言,决策树算法在高职院校成绩分析中的应用研究的论文
决策树算法在高职院校成绩分析中的应用研究的论文摘要:高职院校的学生的成绩是一项重要的数据,它不仅是对学生学习情况的评价,也是对教师教学质量的检查.本文研究了使用决策树算法对学生的成绩进行挖掘分析, ...
机器学习故事汇-决策树算法
机器学习故事汇-决策树 [咱们的目标]系列算法讲解旨在用最简单易懂的故事情节帮助大家掌握晦涩无趣的机器学习,适合对数学很头疼的同学们,小板凳走起! 决策树模型是机器学习中最经典的算法之一啦,用途之广泛 ...
Python+sklearn决策树算法使用入门
封面图片:<Python程序设计实验指导书>,董付国编著,清华大学出版社 =========== 在学习决策树算法之前,首先介绍几个相关的基本概念. 决策树算法原理与sklearn实现简 ...
[飞桨机器学习]决策树算法
[飞桨机器学习]决策树算法一.简介 1.概述决策树算法是一种逼近离散函数值的方法.它是一种典型的分类方法,首先对数据进行处理,利用归纳算法生成可读的规则和决策树,然后使用决策对新数据进行分析.本质 ...
决策树算法模型的归类与整理（ID３＆C４.５＆CART＆线性二分类＆非线性二分类）
决策树算法模型的归类与整理(ID3&C4.5&CART&线性二分类&非线性二分类) 一. 总结摘要决策树模型在监督学习中非常常见,可用于分类(二分类.多分类)和回归. ...

weka操作实现决策树算法中打球与天气的关系

weka操作实现决策树算法中打球与天气的关系相关推荐

最新文章

热门文章