使用 Weka 创建决策树

编程问答 2022-05-25

问题描述

我在看书 Jason Bell - 机器学习 - 开发人员和技术专业人员的实践。 EAN 9781119642251 出版社 John Wiley & Sons

先生贝尔在书中有一些例子，读者应该自己做。

我在第 5 章的示例中遇到问题 - 使用 Weka 创建决策树。 目标是使用 WEKA Toolkit 创建决策树。我使用版本 3.8.5。 提供训练集here。

我必须做的唯一步骤如下：

  1. 打开 Weka 程序
  2. 点击资源管理器按钮。
  3. 单击“打开文件”按钮并选择名为 Ladygaga.arff 的数据文件。
  4. 点击按钮顶行中的分类按钮。
  5. 在“分类器”窗格中，单击“选择”按钮并选择“树”菜单标题下的 J48 选项。
  6. 单击“开始”按钮并查看分类器输出窗口

这里我的问题开始了。我的输出与书中的完全不同。

预订：

J48 pruned tree
------------------
placement = end_rack: yes (5.0/1.0)
placement = cd_spec
| pricing <= 80: yes (2.0)
| pricing > 80: no (2.0)
placement = std_rack
| eye_level = TRUE: yes (2.0)
| eye_level = FALSE: no (3.0)
Number of Leaves : 5
Size of the tree : 8

我的输出：

J48 pruned tree
------------------

eye_level = TRUE: yes (6.0/2.0)
eye_level = FALSE: no (8.0/3.0)

Number of Leaves:   2

Size of the tree :  3

这是完全不同的。 :-D 我不明白为什么。

Comparison,My tree and the tree the example should generate

有人也做过那个例子吗？ 我是否错过了书中的指导步骤？ 还是书上没有写的必要设置？

解决方法

提供的数据文件是错误的，如果你按照这个改变数据，你会得到和书一样的结果。

@relation ladygaga
 
@attribute placement {end_rack,cd_spec,std_rack}
@attribute prominence numeric
@attribute pricing numeric
@attribute eye_level {TRUE,FALSE}
@attribute customer_purchase {yes,no}
 
@data
end_rack,85,FALSE,yes
end_rack,80,90,TRUE,yes
cd_spec,83,86,no
std_rack,70,96,68,65,64,72,95,69,yes
std_rack,75,no
end_rack,no
cd_spec,81,71,91,yes
decision-treejavajavamachine-learningweka