如何使用具有信息增益和随机属性选择的 j48 weka 进行分类？
how to classify using j48 weka with information gain and random attribute selection?
我知道 j48 决策树使用 gain ratio 到 select 属性来制作树。
但我想使用 information gain 和 random selection 而不是增益比。在 Weka Explorer 的 select attribute tab 中，我选择 InfoGainAttributeEval 并放置开始按钮。之后，我看到了带有信息获取方法的属性排序列表。但是我不知道如何在 Weka 中将此列表用于 运行 j48。此外，我不知道如何在 j48 中随机 select 属性。
如果可以，请帮助我。
如果您想在 运行 算法之前对数据执行特征选择，您有两个选择：
在 Classify 选项卡中使用 AttributeSelectedClassifier（在 meta 文件夹下）。在那里你可以配置你想要的特征选择算法。 （默认为 J48 和 CfsSubsetEval）。
在 Preprocess 选项卡中找到并应用 AttributeSelect 过滤器（位于 supervised\attribute 文件夹）。这里默认也是CfsSubsetEval算法
请注意，当您评估算法时，第一种方法将仅在训练集上应用该算法，而第二种方法将使用整个数据集并删除未选择的特征（您可以使用撤消来把他们带回来）。
请注意，J48 在训练过程中选择特征的方式将保持不变。要更改它，您需要实现自己的算法或更改当前实现。
我知道 j48 决策树使用 gain ratio 到 select 属性来制作树。
但我想使用 information gain 和 random selection 而不是增益比。在 Weka Explorer 的 select attribute tab 中，我选择 InfoGainAttributeEval 并放置开始按钮。之后，我看到了带有信息获取方法的属性排序列表。但是我不知道如何在 Weka 中将此列表用于 运行 j48。此外，我不知道如何在 j48 中随机 select 属性。
如果可以，请帮助我。
如果您想在 运行 算法之前对数据执行特征选择，您有两个选择：
在
Classify选项卡中使用AttributeSelectedClassifier（在meta文件夹下）。在那里你可以配置你想要的特征选择算法。 （默认为J48和CfsSubsetEval）。在
Preprocess选项卡中找到并应用AttributeSelect过滤器（位于supervised\attribute文件夹）。这里默认也是CfsSubsetEval算法
请注意，当您评估算法时，第一种方法将仅在训练集上应用该算法，而第二种方法将使用整个数据集并删除未选择的特征（您可以使用撤消来把他们带回来）。
请注意，J48 在训练过程中选择特征的方式将保持不变。要更改它，您需要实现自己的算法或更改当前实现。