2015年10月10日 星期六

weka.classifiers.misc.HyperPipes 

weka.classifiers.misc.HyperPipes 屬類別屬性區間學習器，
記錄符合類別的屬性出現區間，再預測屬性符合比例高之類別，可提供案例集基本表現值供標竿比較之用。

HyperPipes 學習分類時，為每個類別建立一個超區間(hyperpipe)，記錄每個屬性有出現該類別的案例區間為何。
預測分類時，計算新案例符合各類別的超區間程度，取符合程度高者為其預測類別。
案例符合某類別超區間程度(0~1)乃案例有多少比例(介於0~100%)的屬性落於某類別超區間的屬性描述區間內。

> java -cp weka.jar;. weka.classifiers.misc.HyperPipes  -t data\weather.numeric.arff

HyperPipes classifier
HyperPipe for class: yes
  temperature: 64.0,83.0,
  humidity: 65.0,96.0,
  outlook: true,true,true,
  windy: true,true,

HyperPipe for class: no
  temperature: 65.0,85.0,
  humidity: 70.0,95.0,
  outlook: true,false,true,
  windy: true,true,


Time taken to build model: 0 seconds
Time taken to test model on training data: 0 seconds

=== Error on training data ===

Correctly Classified Instances          10               71.4286 %
Incorrectly Classified Instances         4               28.5714 %
Kappa statistic                          0.2432
Mean absolute error                      0.4531
Root mean squared error                  0.4597
Relative absolute error                 97.5824 %
Root relative squared error             95.8699 %
Total Number of Instances               14


=== Confusion Matrix ===

 a b   <-- classified as
 9 0 | a = yes
 4 1 | b = no



=== Stratified cross-validation ===

Correctly Classified Instances           9               64.2857 %
Incorrectly Classified Instances         5               35.7143 %
Kappa statistic                          0
Mean absolute error                      0.483
Root mean squared error                  0.4899
Relative absolute error                101.4286 %
Root relative squared error             99.3055 %
Total Number of Instances               14


=== Confusion Matrix ===

 a b   <-- classified as
 9 0 | a = yes
 5 0 | b = no


如下 weather.numeric.arff 案例集的14個案例有9個yes，5個no。


 
 
 
 
 
 


  outlook
  temperature
  humidity
  windy
  play
 



  sunny
  85
  85
  FALSE
  no
 



  sunny
  80
  90
  TRUE
  no
 



  rainy
  65
  70
  TRUE
  no
 



  sunny
  72
  95
  FALSE
  no
 



  rainy
  71
  91
  TRUE
  no
 



  overcast
  83
  86
  FALSE
  yes
 



  rainy
  70
  96
  FALSE
  yes
 



  rainy
  68
  80
  FALSE
  yes
 



  overcast
  64
  65
  TRUE
  yes
 



  sunny
  69
  70
  FALSE
  yes
 



  rainy
  75
  80
  FALSE
  yes
 



  sunny
  75
  70
  TRUE
  yes
 



  overcast
  72
  90
  TRUE
  yes
 



  overcast
  81
  75
  FALSE
  yes
 




參考: weka.classifiers.misc.HyperPipes
1. source code
2. documentation
at
Labels: ,

沒有留言:

張貼留言

訂閱： 張貼留言 (Atom)