我可以防止J48分類器在同一個字段上分裂超過x次嗎？

Question

使用數據集，Weka和J48分類器我有以下樹：

而且它在右側的'NumTweets'上分裂了很多。我能阻止J48在一個字段上進行超過指定數量的分割嗎？因爲這顯然是過度配合我的數據在一個特定的領域。理想情況下，我希望它只能在分支中重複使用3-4次相同的字段。有什麼辦法可以做到這一點？

在此先感謝！

Answer 1

要回答你的第一個問題：不，WEKA瀏覽器不提供特定屬性的拆分限制。這隻能在代碼中手動完成。

說了這麼多，你可以在這裏嘗試限制樹大小/減少過度擬合。

1. 您可以嘗試REPTree而不是J48。它使用與J48相同的拆分標準 ，但使用減少的錯誤修剪。它有一個 選項來限制樹的深度。

2. 降低J48修剪置信度（-C參數）將導致更多的修剪，從而導致更小的樹大小。

3. 您可以嘗試使用minNumObj（達到每個葉子的最小數量的實例）參數。

Answer 2

不，但您可以將J48 minNumObj配置參數設置得更高。 （默認值爲2.）這對每個葉節點必須包含的最小數據元素數量設置約束。

通過這種方式（通過反覆試驗），您可以在某種程度上平衡和/或簡化決策樹。

也許你可以放棄或忽略惱人的屬性。也許將NumTweets分成不同的分類（例如<每天1條推文，<每日10條推文，更多> 10條推文日）也有幫助？這可以通過預處理選項卡上的Discretizing Filter來完成。