我正在使用Weka的NaiveBayes分类器。我听说了一些事情,但我不确定这是不是真的。有人告诉我,当我在weka中有数值时,值越高,权重就越高。是那么回事吗?
我的意思是,如果第一个实例的feature1 (数值)的值是1,而第二个实例的特征值是2,这是否意味着第二个实例必须在该特征上具有更高的权重?
如果这是正确的,我应该怎么做,如果我想要改变它?
例如,我定义了一个距离要素。但是,越接近越好,这意味着该特征的较低值必须具有较高的权重。
我应该如何在Weka中实现?
发布于 2014-03-07 19:08:02
如果我没有理解错的话,您是在问是否需要转换您的特征值,以便转换后的值与预测成比例。这取决于你选择的学习算法,与Weka无关。对于大多数学习算法,如回归或决策树,您不需要应用这种逆变换。通常,我只会让值保持原样,除非算法需要其他归一化,如重新缩放或重新居中到零均值。
https://stackoverflow.com/questions/22244943
复制相似问题