제 목표는 Multilayer Perceptron이 20 개의 뉴스 그룹 데이터를 얼마나 잘 분류하는지 테스트하는 것입니다. 이 방법으로 5 %의 정확도를 유지하지만 Naive Bayes 및 KNN과 같은 다른 분류 방법으로 90 %를 얻을 수 있습니다. newsgroups_data.setClassIndex(newsgroups_data.numAttribut
나는 이것을 읽었습니다 "Apriori와 Fpgrowth는 동일한 연결 규칙을 생성합니다." 그러나 wepor에서 Apriori 및 Fpgrowth 알고리즘을 사용할 때. Aprior가 일부 규칙을 찾고 Fpgrowth가 규칙을 찾지 못했습니다! 왜 이런 일이 일어 났습니까? 내 데이터 세트 : http://s000.tinyupload.com/?file_i
Weka를 사용하여 프로젝트의 일부 데이터를 분류하려고합니다. 그래서 y = ln (x + 1)에 의해 하나의 속성에 대수 변환을 사용해야합니다. 나는 MathExpression 필터를 사용하고 나의 식은 log (A + 1)이다. 내 필터를 단일 속성에만 적용하려고하지만 모든 속성에 적용됩니다. 필터는 단일 속성 만 적용 할 수 있습니까? 미리 감사드립니
방금 weka에 대해 알아 냈습니다. 그래서 그것을 시험해보기로했습니다. 내가 WEKA의 분류 탭으로 이동하여 클릭하면 @relation weather
@attribute outlook {sunny, overcast, rainy}
@attribute temperature real
@attribute humidity real
@attribute
일부 문장 (페르시아어)이 포함 된 arff 파일과 @data 부분에 클래스를 표시하는 각 문장 앞에 단어가 있습니다. 나는 분류를 위해 smo를 사용해야합니다. 질문 : 1) 문장을 벡터로 변경해야합니까? 2) "word to word vector"를 선택했지만 smo는 비활성 상태이고 여전히 작동하지 않습니다. (물론 순진한 베이 같은 다른 알고리즘들)
weka에서 svm (smo)을 사용하여 텍스트를 분류하고 싶습니다. 내가 갖고있는 파일에는 페르시아어라는 문장과 그 문장을 보여주는 문장이 들어 있습니다. 질문은 :이 문장을 바이너리 벡터로 바꿔야하고이 벡터를 입력으로 weka에 주어야합니까, 아니면 weka에서 "word to word vector"를 선택하여 문장을 벡터로 바꾸면 충분합니까? 샘플 파
weka를 사용하여 텍스트 분류를 수행하고 싶습니다. 나는 열차와 시험 파일 (페르시아어)을 가지고있다. 먼저 열차 파일을로드 한 다음 전처리에서 "문자열을 단어 벡터로"를 선택합니다. 그리고 그것을 선택하기 때문에, 클래스 위치는 시작으로갑니다. 클래스를 해당 인덱스 (파일에서 2)로 이동하려면 "편집"을 클릭하고 클래스 열을 마우스 오른쪽 버튼으로 클릭