C&C++   发布时间:2022-04-03  发布网站:大佬教程  code.js-code.com
大佬教程收集整理的这篇文章主要介绍了机器学习 – 如何处理C4.5(J48)决策树中缺少的属性值?大佬教程大佬觉得挺不错的,现在分享给大家,也给大家做个参考。
使用Weka的C4.5(J48)决策树处理缺失特征属性值的最佳方法是什么?在训练和分类期间都会出现缺失值的问题.

>如果培训实例中缺少值,假设我放置’?’,我是否正确?功能的价值?
>假设我能够成功构建决策树,然后从Weka的树结构中用C或Java创建自己的树代码.在分类时,如果我尝试对新实例进行分类,我会为具有缺失值的功能赋予什么价值?如何将树下降到我具有未知值的决策节点?

使用Naive Bayes会更好地处理缺失值吗?我只想为他们分配一个非常小的非零概率,对吗?

解决方法

来自佩德罗多明戈斯在华盛顿大学的ML课程:

以下是佩德罗建议的A缺失值的三种方法

>在分配给节点n的其他示例中分配A的最常见值
>在具有相同目标值的其他示例中分配A的最常见值
>将概率p_i分配给A的每个可能值v_i;将示例的分数p_i分配给树中的每个后代.

幻灯片和视频现在可在here查看.

大佬总结

以上是大佬教程为你收集整理的机器学习 – 如何处理C4.5(J48)决策树中缺少的属性值?全部内容,希望文章能够帮你解决机器学习 – 如何处理C4.5(J48)决策树中缺少的属性值?所遇到的程序开发问题。

如果觉得大佬教程网站内容还不错,欢迎将大佬教程推荐给程序员好友。

本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ:384754419,请注明来意。