J48-Baum ein R - Zug-und test-Einstufung

Möchte ich trainieren und testen in J48 decision tree auf R.
hier ist mein code:

library("RWeka")

data <- read.csv("try.csv")
resultJ48 <- J48(classificationTry~., data)

summary(resultJ48)

aber ich aufteilen will meine Daten in 70% Bahn und 30% - Prüfung, wie kann ich mit dem J48 Algorithmus zu tun?

vielen Dank!

  • Wie etwa Daten der Probenahme ohne Ersatz (siehe ?sample)
InformationsquelleAutor moshem | 2016-05-07
  1. 3

    verwenden Sie die sample.split() Funktion der caTools Paket. Ist es mehr Produkte als die caret - Paket (das ist ein meta-Paket, wenn ich mich richtig erinnere):

    library(caTools)

library(RWeka)

data <- read.csv("try.csv")
spl = sample.split(data$someAttribute, SplitRatio = 0.7)

dataTrain = subset(data, spl==TRUE)
dataTest = subset(data, spl==FALSE)

resultJ48 <- J48(as.factor(classAttribute)~., dataTrain) 
dataTest.pred <- predict(resultJ48, newdata = dataTest)
table(dataTest$classAttribute, dataTest.pred)
    • was ist die Bedeutung von dataTest.pred? Sie setzen einfach alle Infos zusammen erstellen pred in der dataTest um das Ergebnis zu speichern, um es?
    • auch, wie ich sehen kann, die Zusammenfassung der Ergebnisse in dieser Weise?
    • verwenden summary(resultJ48) um die "weka-spezifischen" output "Korrekt Klassifizierten Instanzen...." --- dataTest.pred hält den Ausgang der trainierte classifier, angewendet auf die 30% training Daten. Ich dachte, dass Sie wahrscheinlich wollen, verwenden Sie die Ausgabe von J48, auf Ihre test-Daten. Also schrieb ich etwas, was schien natürlich für mich. Was Sie eigentlich tun wollte, kann ich nicht ableiten, denn Sie schrieb gerade etwas sehr allgemein in Ihrer Frage. table() nur vergleicht Testdaten und vorausgesagte Testdaten Attribut-Werte. Einfache confusion matrix.
    InformationsquelleAutor knb
  3. 1

    Es ist nicht in R., Sondern in java... Aber du wirst die Logik verstehen mit ihm.

    int trainSize = (int) Math.round(trainingSet.numInstances() * 0.7); //70% split 
int testSize = trainingSet.numInstances() - trainSize;
Instances train = new Instances(trainingSet, 0, trainSize);
Instances test = new Instances(trainingSet, trainSize, testSize)

    Implementieren Sie in R mit der gleichen Logik. Hoffe es hilft 🙂

    InformationsquelleAutor Rahul Rajput
  4. 0

    Wenn Sie nicht wollen, um mehr Pakete andere als RWeka, die Sie tun können, es mit runif:

    library("RWeka")
data <- read.csv("try.csv")

randoms=runif(nrow(data))

resultJ48 <- J48(classificationTry~., data[randoms<=0.7,])
PredTest <- predict(resultJ48, newdata = data[randoms>0.7,])
table(data[randoms>0.7,]$classificationTry, PredTest)
    InformationsquelleAutor Roee Anuar
Schreibe einen Kommentar