如何故意过度使用Weka树分类器？
我有一个二进制类数据集(0 / 1)，它向"0“类倾斜很大(大约是30000比1500)。每个实例有7个特性，没有缺少值。
当我使用J48或任何其他树分类器时，几乎所有的"1“实例都被错误分类为"0”。
将分类器设置为"unpruned"，将每个叶的最小实例数设置为1，将置信度设置为1，添加一个带有实例ID号的虚拟属性--所有这些都没有帮助。
我只是不能创建一个适合我的数据的模型！
我也尝试了几乎所有其他分类器Weka提供，但得到了类似的结果。
使用IB1可以获得100%的准确率(训练集上的训练集)，因此不存在具有相同特征值和不同类的多个实例的问题。
我怎样才能创建一棵完全没有修剪的树？不然就强迫Weka把我的数据放错了？
谢谢。
更新：好吧，这太荒谬了。我只使用了大约3100个负数和1200个正数，这就是我得到的树(未修剪！)：
J48 unpruned tree
------------------
F <= 0.90747: 1 (201.0/54.0)
F > 0.90747: 0 (4153.0/1062.0)不用说，IB1仍然提供100%的精度。
更新2:不知道我是怎么错过它的--未修剪的SimpleCart工作，在火车上提供100%的精确训练；剪枝的SimpleCart没有J48那样有偏见，并且有一个不错的假正负比。
回答 2
Stack Overflow用户
发布于 2010-07-11 08:53:35
快速而肮脏的解决办法是重新采样。扔掉所有的，除了1500你的积极的例子，并培训一个平衡的数据集。我非常肯定，在Weka中有一个重采样组件可以做到这一点。
另一种解决方案是为每个类使用一个具有可变成本的分类器。我确信libSVM允许您这样做，我知道Weka可以包装libSVM。然而，我已经有一段时间没有使用Weka了，所以我在这里没有多少实际的帮助。
Stack Overflow用户
发布于 2010-07-15 11:57:05
Weka包含两个感兴趣的元分类器：
它们允许您使任何算法对成本敏感(不限于支持向量机)，并指定成本矩阵(对各种错误的惩罚)；如果将1实例错误地分类为0，则会给出比错误地将0错误地分类为1的更高的惩罚。
结果是，该算法将尝试：
尽量减少预期的错误分类成本(而不是最有可能的类别)
https://stackoverflow.com/questions/3222192
复制相似问题
腾讯云开发者
