我可能有一个愚蠢的问题，但我正在使用Weka来预测不同基因对癌症的影响，类似这样

cancer  gene1   gene2  gene3 .... yes     0.85    1.23   3.52  ....no      7.58    6.25   8.91  ....no      6.52    5.25   9.85  ....yes     1.23    0.59   0.74  .........

但我的数据是癌症为yes的有25例，癌症为no的有158例，加上75个基因。我的问题是，当我运行了例如信息增益（InfoGain）或增益比（GainRatio）后，我得到了选定的属性或排名的属性（基因），但我如何能说这些基因预测的是癌症为yes还是癌症为no呢？

非常感谢！

回答：

我对遗传学了解不多，但你怎么知道某个基因会导致癌症呢？很可能是许多基因相互作用的结果。你如何考虑这些相互作用？这就是你的问题所在。

集中讨论正式/技术方面的事情。在Weka中，你的类属性“cancer”需要是最后一列/最右边的列，或者你每次在点击“开始”按钮之前手动设置选择框为“(Nom) cancer”。

你可以查看随Weka附带的diabetes.arff文件，它的结构与你的数据文件类似。

如果你想要一个可解释的模型，你还可以运行决策树算法“J48”（在“分类”选项卡中），并在属性窗口中将minNumObj设置为更高的值（通过尝试和错误找到合适的值）。这会创建层次较少的扁平树，决策/如果语句较少。然后在运行结果上右击（在分类选项卡的左下角面板中），选择“可视化树”。