解釋屬性選擇的輸出秧雞

我有解釋屬性選擇的輸出秧雞

=== Attribute selection 10 fold cross-validation seed: 2 === 

number of folds (%) attribute 

      10(100 %) 1 H0_D0 
      10(100 %) 3 Ar 
      0( 0 %) 4 LT_LH 
      0( 0 %) 5 tan_y_2 
      10(100 %) 6 DT_D0 
      0( 0 %) 7 LH_DT

能否請您解釋這個結果？

來源

2017-10-10 M.r.v

weka中有幾種類型的特徵選擇算法。您添加的輸出可能是CFS（CfsSubsetEval）算法的輸出。

簡而言之，此算法旨在查找「一起工作良好」的功能子集。您看到的輸出是選擇每個要素的摺疊次數（如果您不知道這些摺疊是什麼，請閱讀有關k摺疊交叉驗證的內容）。更具體地說：HO_DO,Ar和DT_DO在所有10個摺疊中被選擇，而其他特徵從未被選擇。

其他算法如InfoGainAttributeEval還有其他輸出。他們的輸出是每個功能獲得的平均分數（在大多數情況下，越高越好），它是STD值。

祝你好運。

來源

2017-10-15 13:57:31 AndreyF

解釋屬性選擇的輸出秧雞

回答

相關問題