WEKA 中的多ClassClass化
Multi-Class Classification in WEKA
我正在尝试在 WEKA 中实现 Multiclass classification。
我有很多行，比如说银行交易，其中一个被标记为食品、药品、租金等。我想开发一个 classifier，它可以用我以前的数据进行训练，并预测它可以属于未来交易的 class。如果我是对的，这是 Multiclass 而不是多标签，因为每笔交易只能属于一个 class.
以下是我正在考虑的几个算法
- 朴素贝叶斯
- 多项逻辑回归
- 多class SVM
- 最大熵
- 神经网络（如果可能的话）
在我的数据中，特征数 <<< 事务数，因此我正在考虑一对一二进制 classifier 而不是一对一。
- 是否还有其他算法可以帮助我实现目标？
- 我放置的算法是否对我的目标无用？
此外，我发现 Python 中的 scikit-learn 比 WEKA 更好，但我只能在一个处理器上 运行 scikit-learn。这是真的吗？
任何问题的答案都会有所帮助。
谢谢！
您可以查看 RandomForest，它是一个众所周知的 class 生成器并且非常高效。
在 scikit-learn 中，您有一些 class 可以在多个核心上使用，例如 RandomForestClassifier。它有一个构造函数参数，可用于定义核心数或将使用每个可用核心的值。看文档，constructor里面包含n_jobs参数可以用过几个core
我正在尝试在 WEKA 中实现 Multiclass classification。 我有很多行，比如说银行交易，其中一个被标记为食品、药品、租金等。我想开发一个 classifier，它可以用我以前的数据进行训练，并预测它可以属于未来交易的 class。如果我是对的，这是 Multiclass 而不是多标签，因为每笔交易只能属于一个 class.
以下是我正在考虑的几个算法
- 朴素贝叶斯
- 多项逻辑回归
- 多class SVM
- 最大熵
- 神经网络（如果可能的话）
在我的数据中，特征数 <<< 事务数，因此我正在考虑一对一二进制 classifier 而不是一对一。
- 是否还有其他算法可以帮助我实现目标？
- 我放置的算法是否对我的目标无用？
此外，我发现 Python 中的 scikit-learn 比 WEKA 更好，但我只能在一个处理器上 运行 scikit-learn。这是真的吗？
任何问题的答案都会有所帮助。 谢谢！
您可以查看 RandomForest，它是一个众所周知的 class 生成器并且非常高效。
在 scikit-learn 中，您有一些 class 可以在多个核心上使用，例如 RandomForestClassifier。它有一个构造函数参数，可用于定义核心数或将使用每个可用核心的值。看文档，constructor里面包含n_jobs参数可以用过几个core