如何使用信息增益作为标准选择前n个特征

我有一个training.arff文件,每个条目有2000个特征(属性)。我想使用信息增益标准选择这些属性中的前n个。如何使用WEKA和命令行来实现这一点?我在网上查过了,似乎这是一个两阶段的过程,因为我必须在第二步使用排名器。能有人解释一下如何操作吗?


回答:

操作方法如下:

java weka.filters.supervised.attribute.AttributeSelection \-E "weka.attributeSelection.InfoGainAttributeEval" \-S "weka.attributeSelection.Ranker -N 10" -i training.arff -o training_IG.arff

-E选项用于指定使用哪个类作为评估器,-S选项用于指定使用何种搜索方法(在本例中为排名)。

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