Weka[16]OneR源代码介绍.pdfVIP

Weka [16] OneR 源代码介绍 作者：Koala++/屈伟 OneR 是一个很简单的算法，出自论文：Very simple classification rules perform well on most commonly used datasets，由于论文的风格过于奔放，并且很长，所以我也就没怎么看。 基本思想就是对每一个属性都建一个单层的分类器，对这些分类器进行比较，谁分类效果好 就作为最终的分类器。 下面还是看buildClassifier 的代码（删除了部分代码），首先判断是不是就一个属性（一 个属性意味着只有一个类别特征），如果是，那就用 ZeroR 算法（如果不知道为什么，看我 上一篇）。下面枚举每一个属性，在每一个属性上产生一个OneRRule 对象r，下面判断这个 r 是比以前产生的正确的样本数多，如果是则替换。 public void buildClassifier(Instances instances) throws Exception { boolean noRule = true; // can classifier handle the data? getCapabilities().testWithFail(instances); // remove instances with missing class Instances data = new Instances(instances); data.deleteWithMissingClass(); // only class? - build ZeroR model if (data.numAttributes() == 1) { m_ZeroR = new weka.classifiers.rules.ZeroR(); m_ZeroR .buildClassifier(data); return ; } else { m_ZeroR = null ; } // for each attribute ... Enumeration enu = instances.enumerateAttributes(); while (enu.hasMoreElements()) { try { OneRRule r = newRule((Attribute) enu.nextElement(), data); // if this attribute is the best so far, replace the rule if (noRule || r.m_correct m_rule .m_correct) { m_rule = r; } noRule = false; } catch (Exception ex) { } } } 下面看一下刚才的newRule 函数，初始化一个missingValueCounts 数组，数组大小为类 别集合的大小。如果当前这个类别是离散的调用 newNominalRule ，如果是连续的调用 newNumericRule。下面的几行代码现在可能还有点难理解（理解不了，看完下面的再转回来 看），missingValueCounts 保存的是对这个属性缺失值类别值的读数，而 maxIndex 函数返回 的就是这个属性缺失时最有时候的类别Index。再下来If 判断是否训练集中如果这个属性值 缺失的样本，那么r.m_missingValueClass = -1;如果有，r.m_correct 加上当这个属性缺失情况 下最多出现的类别值的出现次数（没办法就是这么难表达）。 public OneRRule newRule(Attribute attr, Instances data) throws Exception { OneRRule r; // ... create array to hold the missing value counts int []