2015年10月19日 星期一

weka.classifiers.rules.Prism 

weka.classifiers.rules.Prism 為簡單規則集學習器，
訓練時逐一就每一類別之案例用覆蓋法建立精確率較高之規則，
測試時由規則集上往下，依案例屬性值找尋第1個符合規則作預測。
可提供案例集不錯表現值供標竿比較之用。

Prism 學習規則集時，依各類別分別學習適合該類別所有案例之規則集，作法如下:
為每一類別建立覆蓋該類別的規則集前，先將所有案例置於待學習案例集E中，
只要集合E尚存有該類別案例，就表示規則還待添加。
   建立規則時，先從1個屬性條件，窮舉所有屬性配所有值的可能組合，取精確率最大組合；
       再添下1個屬性條件，同樣窮舉所有屬性配所有值的可能組合，取精確率最大組合；
       以此類推，直到添加屬性用光或已完全正確為止。
       取精確率最大組合時，若有持平的屬性條件，則取覆蓋率(分母)較大者。
   規則建好後，將該類別規則已預測正確的案例從集E中刪除，
   針對尚未覆蓋案例學習下一條規則。

Prism 在學習類別規則時有敵情觀念(其他類別案例全部都在)，
所以預測時，同類別的規則哪一條誰先檢查效果都一樣，不會誤含到其他類別的案例空間。


> java -cp weka.jar;. weka.classifiers.rules.Prism  -t data\weather.nominal.arff


Prism rules
----------
If outlook = overcast then yes
If humidity = normal
   and windy = FALSE then yes
If temperature = mild
   and humidity = normal then yes
If outlook = rainy
   and windy = FALSE then yes
If outlook = sunny
   and humidity = high then no
If outlook = rainy
   and windy = TRUE then no


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

=== Error on training data ===

Correctly Classified Instances          14              100      %
Incorrectly Classified Instances         0                0      %
Kappa statistic                          1     
Mean absolute error                      0     
Root mean squared error                  0     
Relative absolute error                  0      %
Root relative squared error              0      %
Total Number of Instances               14     


=== Confusion Matrix ===

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



=== Stratified cross-validation ===

Correctly Classified Instances           9               64.2857 %
Incorrectly Classified Instances         3               21.4286 %
Kappa statistic                          0.4375
Mean absolute error                      0.25  
Root mean squared error                  0.5   
Relative absolute error                 59.2264 %
Root relative squared error            105.9121 %
UnClassified Instances                   2               14.2857 %
Total Number of Instances               14     


=== Confusion Matrix ===

 a b   <-- classified as
 7 0 | a = yes
 3 2 | b = no


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


 
 
 
 
 
 


  

 
 
 
 
 


  

 
 


  outlook
  temperature
  humidity
  windy
  play
 



  sunny
  hot
  high
  FALSE
  no
 



  sunny
  hot
  high
  TRUE
  no
 



  rainy
  cool
  normal
  TRUE
  no
 



  sunny
  mild
  high
  FALSE
  no
 



  rainy
  mild
  high
  TRUE
  no
 



  overcast
  hot
  high
  FALSE
  yes
 



  rainy
  mild
  high
  FALSE
  yes
 



  rainy
  cool
  normal
  FALSE
  yes
 



  overcast
  cool
  normal
  TRUE
  yes
 



  sunny
  cool
  normal
  FALSE
  yes
 



  rainy
  mild
  normal
  FALSE
  yes
 



  sunny
  mild
  normal
  TRUE
  yes
 



  overcast
  mild
  high
  TRUE
  yes
 



  overcast
  hot
  normal
  FALSE
  yes
 











參考:
1.weka.classifiers.rules.Prism
   code | doc
at
Labels: ,

沒有留言:

張貼留言

訂閱： 張貼留言 (Atom)