Java，Weka：如何预测数字属性？
我试图使用Weka的NaiveBayesUpdateable分类器。 我的数据包含名义和数字属性：
@relation cars @attribute country {FR, UK, ...} @attribute city {London, Paris, ...} @attribute car_make {Toyota, BMW, ...} @attribute price numeric %% car price @attribute sales numeric %% number of cars sold 我需要根据其他属性预测销售数量（数字！）。
据我所知，我不能在Weka中使用数字属性进行贝叶斯分类。 一种技术是在长度为k的N个区间中拆分数值属性的值，而使用标称属性，其中n是类名，如下所示：@attribute class {1,2,3，… N}。
然而，我需要预测的数字属性范围从0到1 000 000.创建1 000 000个类根本没有任何意义。 如何使用Weka预测数字属性或者在Weka没有此工具的工具的情况下查找哪些算法？
你想要做的是回归 ，而不是分类 。 区别正是您描述/想要的：
- 分类具有离散的类/标签，任何名义属性都可以在此处用作类
- 回归有连续的标签，这里的类是一个错误的术语。
可以通过定义阈值将大多数基于回归的技术转换为二元分类，并且通过预测值是高于还是低于该阈值来确定类别。
我不知道所有提供回归的WEKA分类器，但你可以先看看这两个：
- MultilayerPerceptron ：基本上是神经网络。
- LinearRegression ：顾名思义，线性回归。
您可能必须使用NominalToBinaryfilter将名义属性转换为数字（二进制）属性。
你可以在weka分类器>函数>线性回归中找到使用回归。 以下是在weka中创建回归模型的示例https://www.ibm.com/developerworks/opensource/library/os-weka1/
这些天，我相信首先在Weka 3.7中引入，RandomForest可以按照您的需要工作。 这些特征可以是名义和数字的混合，也可以预测数字。
缺点（我想象你的情况）是它不是一个可更新的类，因为NaiveBayesUpdateable适用于大量数据，这些数据可能不会同时适合内存。