如何在Weka中应用特征降维方法?

  1. 如何在Weka中应用LSI等特征降维方法进行文本分类?

  2. LSI等特征降维方法能否提高分类的准确性?


回答:

  1. 可以查看FilteredClassifier类或AttributeSelectedClassifier。使用FilteredClassifier,你可以应用主成分分析(PCA)等特征降维方法。这里有一个视频,展示了如何使用PCA过滤数据集,以便你在降维后的数据集上尝试不同的分类器。

  2. 这可能有帮助,但没有保证。如果你去除了冗余特征,或以某种方式(如SVM或PCA)转换特征,分类的任务可能会变得更简单。无论如何,特征数量过多通常会导致维度灾难,而属性选择是一种避免这种情况的方法。

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