决策树在Weka中的信息增益

我在Weka中使用了GainRatioAttributeEval,得到了如下结果

enter image description here

我无法解释这个结果。我是说这一部分是什么意思?

Ranked attributes: 1.0000000000000009    5 Na_to_K 0.3935404073616423    3 BP 0.2063964793752467    1 Age 0.09316668988826002   4 Cholesterol 0.007712386387024157  2 Sex

我的数据集有6个属性和200个实例。其中,药物是我的类属性。我还附上了数据集的前处理概览。

enter image description here

我知道如何计算信息增益和创建决策树。但我无法理解这个结果。


回答:

增益比信息增益是两种不同的属性评估方法,具有不同的公式。请查看链接的Javadoc以获取更多信息。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注