Tag: 决策树

决策表的本机Java解决方案

我正在与一位受人尊敬的同事讨论一个有趣的讨论，并希望得到一些额外的意见…… 我需要在我的应用程序中实现一些基本的决策表逻辑。 我当时希望使用OpenL Tablets来代表Excel电子表格中的决策数据。 我喜欢它，它易于设置和维护，并且具有较小的内存和处理空间。 我可以轻松添加新表，我有一些表超过100行，最多10个条件。 这些数据非常静态，很少发生变化。 我的同事不希望在混合中引入第三方api，并对与Microsoft文件格式绑定有所保留。 我看到了他的观点，但我能看到通过Java实现决策表的唯一方法是编写一系列丑陋的if或case语句，这对于较小的表来说很好，但是当我到达更大的表时会变得无法管理。 有没有人对论点的双方都有任何评论。 如果有人对可以解决我在本机Java中的问题的模式有任何想法，我会有兴趣听到它。 非常感谢你的时间。

如何在WEKA中交叉validation后打印预测类

使用分类器完成10倍交叉validation后，如何打印出每个实例的预测类以及这些实例的分布？ J48 j48 = new J48(); Evaluation eval = new Evaluation(newData); eval.crossValidateModel(j48, newData, 10, new Random(1)); 当我尝试类似于下面的内容时，它说分类器没有构建 。 for (int i=0; i<data.numInstances(); i++){ System.out.println(j48.distributionForInstance(newData.instance(i))); } 我正在尝试做的是与WEKA GUI中相同的function，其中一旦训练了分类器，我就可以点击Visualize classifier error” > Save ，我将在文件中找到预测的类。但是现在我需要它在我自己的Java代码中工作。 我尝试过类似下面的内容： J48 j48 = new J48(); Evaluation eval = new Evaluation(newData); StringBuffer forPredictionsPrinting = new StringBuffer(); weka.core.Range attsToOutput = null; Boolean outputDistribution = […]