如何在Weka中保存特征选择的结果？
在Weka中保存特征选择的结果可以通过以下步骤实现：
- 首先，使用Weka加载数据集。可以通过点击Weka的"Explorer"界面中的"Open file"按钮，选择要加载的数据集文件。
- 在加载数据集后，选择要使用的特征选择算法。Weka提供了多种特征选择算法，如信息增益、卡方检验、一致性子集等。可以通过点击Weka的"Preprocess"选项卡，然后选择"Attribute selection"子选项卡来访问这些算法。
- 在特征选择算法的选项卡中，选择要使用的算法，并设置相应的参数。不同的算法可能有不同的参数设置，可以根据具体需求进行调整。
- 运行特征选择算法。点击特征选择算法选项卡中的"Start"按钮，Weka将根据选定的算法和参数对数据集进行特征选择。
- 特征选择完成后，可以将结果保存到文件中。点击Weka界面中的"Save"按钮，选择保存的文件路径和文件名，然后点击"Save"按钮即可将特征选择结果保存为一个ARFF文件。
需要注意的是，特征选择的结果是一个新的数据集，其中只包含被选择的特征。保存的ARFF文件可以在后续的数据分析和建模过程中使用。
推荐的腾讯云相关产品：腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
以上是关于如何在Weka中保存特征选择结果的步骤和推荐的腾讯云产品。希望对您有帮助！
相关·内容
2回答
我尝试在Weka中使用InfoGainAttributeEval进行特征选择，如何保存结果？我试图保存它，但似乎我的weka只是保存了我的输入数据，而不是特征选择的结果。
浏览 128提问于2020-07-04得票数 0
我想在java代码中使用带有Weka包装器的LibLINEAR。我的部分代码如下：import weka.core.Instances;.
libLsvm.setOptions(weka.core.Utils.s
浏览 1提问于2018-06-06得票数 0
1回答
我想在WEKA中进行特征分析。我有一个由8个特性和65个实例组成的数据集。我认为WEKA提供了一个很好的图形用户界面，并允许对单个功能的影响进行非常详细的分析。但是我不知道如何使用它。有什么帮助
浏览 1提问于2013-12-12得票数 2
我是新来的Weka，我有两类数据要分类。我可以用加权来分类它(词的出现，TFIDF或单词的存在)。我希望使用在Weka中集成的特征选择机制来提高分类器的准确性，如下所示：
BufferedReader trainReader = new BufferedReader(我可以看到与使用标准的加权方法(如(word出现))相比略有改进。我不确定我所做的是
浏览 0提问于2014-01-15得票数 1
回答已采纳
在WEKA中进行特征选择后，如何保存新的数据集，以便在其他应用程序中使用？
浏览 0提问于2017-04-06得票数 0
1回答
我有大约300个特征，我想通过使用weka中的特征选择技术来找到最好的特征子集。请有人告诉我用什么方法删除weka中的冗余特性:)
浏览 3提问于2015-11-25得票数 0
回答已采纳
3回答
我正在寻找的选择方法是基于子集评估的方法(即，不要简单地对单个特征进行排序)。我更喜欢在Matlab或基于WEKA的实现，但任何其他语言的实现仍然是有用的。我知道CsfSubsetEval和ConsistencySubsetEval在WEKA中的存在，但它们并没有带来良好的分类性能，可能是因为它们受到以下限制：
CsfSubsetEval偏向于小的特征
浏览 8提问于2014-09-01得票数 1
回答已采纳
3回答
在我们的训练集中，我们执行了特征选择(例如，CfsSubsetEval GreedyStepwise)，然后使用分类器(例如，J48)。我们已经保存了Weka创建的模型。现在，我们希望对新的未标记实例进行分类(在进行特征选择之前，它仍然具有训练集的原始属性数)。我们假设我们应该在这组新的未标记实例中执行特征选择，以便我们可以使用保存</e
浏览 0提问于2013-05-18得票数 0
我想通过weka中的NSGA-II执行最好的特征选择，这些特征选择应该有助于以精度和召回率的形式获得最好的分类结果。
我该如何执行此操作？有人能给我这项任务的蓝图吗？任何帮助都将不胜感激。
浏览 3提问于2015-04-24得票数 0
我正在使用WEKA进行分类。我在Java代码中使用了WEKA jar文件。我的训练数据集有56000个实例和1253个特征。我正在使用简单的分类算法，如逻辑回归，J48，随机森林随机树等。我只能得到随机森林的结果。在为其他分类器建立训练模型的同时，我的程序持续运行了6-7个小时，但我没有得到任何结果或错误。
谁能建议一些更快的方法来在大数据集上训练WEKA分类器。
浏览 7提问于2016-07-10得票数 0
1回答
分类应该比训练花费更多的时间，但是我发现这个假设与weka几乎相反。其中KNN训练比测试花费更多的时间。
为什么和如何在weka中KNN在分类方面表现得更快，而在一般情况下，它应该表现得更慢？2)当我们说Knn中的特征加权可以提高高维数据的性能时，我们说它是什么意思？我们指的是高InformationGain的特征选择和选择吗？
浏览 4提问于2014-02-13得票数 4
1回答
我希望在不打开Weka Explorer或简单的CLI界面的情况下，从Weka保存的模型进行预测。所以我创建了一个批处理文件：
java -classpath weka.jar weka.classifiers.functions.LinearRegression -
浏览 0提问于2018-05-03得票数 2
1回答
随机林在期望下的表现
、、、、
我正在学习决策树算法，并在Weka中实现了一个参考RF的随机森林。我用相同的数据集测试了我的实现和weka实现(在默认设置下)。作为比较，我在Weka随机森林中使用了默认设置(100棵树，log() +1在拆分时考虑到的特性，没有打包等等)分别测试
浏览 5提问于2016-12-18得票数 1
我正在使用Weka GUI在一个在线帖子上运行一个NaiveBayes分类器。我正在尝试跟踪预测错误的实例(在线帖子)，以便进一步了解如何改进功能。目前，我有一个解决办法:我生成包含唯一ID的数据，当我导入到Weka时，我删除uniqueID。然后我附加了预测附加器，它将预测结果保存到一个.arff文件。我通读了该文件，以查找性能较差的实例。对于错误分类的实例，我使用某些特征值，为每个实例提供足够的唯一值，并从包含唯
浏览 2提问于2012-09-23得票数 5
回答已采纳
1回答
我在WEKA中的一些高维数据集上应用了特征选择算法，该算法基于对称不确定性给出了按等级排列的特征列表。现在我想消除那些不确定性值为0的特征。但是数据集中大约有10,000个特征，因此不可能手动消除所需的特征。有没有什么方法可以自动消除WEKA中的维度？
浏览 0提问于2018-06-19得票数 0
1回答
我正在寻找一个设计模式，是相关的模块，提取功能。我想在我的数据点上定义一定数量的特性，然后根据性能和特性选择，我可能想要删除其中的一些并添加其他特性，而且我还想考虑测试它们的任何子集。什么是一个好的设计模式来做到这一点？我错过什么明显的东西了吗？我既不是工程师，也不是开发人员，所以我从来没有研究过这样的事情，但我明白这对我有很大的帮助！
谢谢你的帮助，
浏览 0提问于2015-02-09得票数 1
3回答
韦卡的PCA跑得太久了
、、、
我试图使用Weka进行特征选择，使用PCA算法。AttributeSelection selector = new AttributeSelection();我的问题是：对于wek
浏览 8提问于2012-07-14得票数 10
回答已采纳
我的.arff数据文件有10个数值和二进制值的特征；(只有实例ID是标称的).I大约有16个实例。要预测的类别是Yes/ to。我使用过朴素贝叶斯，但我无法解释结果，有人知道如何解释朴素贝叶斯分类的结果吗？
浏览 0提问于2012-04-17得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
