See5使用说明.pptxVIP

——小暖;安装成功后，See5-demo\Samples提供了几组数据可供使用： .data：训练使用数据 .names：训练数据的说明文档 .test：评价使用数据 以Samples中的实验为例，使用数据为anneal.data ， anneal.names ， anneal.test 。;对anneal.data中数据的说明，主要有用信息为实例个数，属性个数，属性信息说明和待分类别说明。 ‘-’在data文件中表示为’N/A’;此文档中保存了即将用于分类的数据，格式严格遵照anneal.names中的描述。 在试用版中，能够处理的实例个数不超过400条。 按照names文档中的说明，每条实例应该有38条属性。但是真实情况是多出了一条。这条被认为是该实例的真实类别，但不用于分类，只用于评价。 Anneal.test是格式与data相同，用于精度评价的文档。 ;界面介绍;导入anneal.data文件后，点击按钮 ，弹出有图所示对话框。对话框中的默认选项足以满足分类要求。可勾选处将在后续讲解。点击OK，生成分类树。 根据勾选不同选项，得到的output文件内容会有所改变。将在后续讲解。;随机弹出如下窗口，并产生了新的两个文件：;Decision tree;;1. （n , lift x) n:根据规则分到该类别的 训练样本数； m:被错分的训练样本数。 2. 分类的可信度 对于一个实例来说，可能有多条规则都对其适用。在这种情况下，SEE5采用了一种投票的方式。在所有使用规则中投票，以可信度作为权重。计算综合后，以投票最高的类为准。 通常规则数会小于叶子层数，本例数为7和13。;通常规则集分类器的适用性会优于决策树。(以误差的相对大小来衡量) 本例中： 此外，属性使用率也有所区别。 在后者中，只要有某个条件 适用于某一实例，这个条件 中的属性就会被使用到。;Adaptive boosting：自适应提升。为一次分类生成多个分类器，由分类器进行投票得到最终分类结果。在初次生成分类器后，系统检测到错分的实例，并在下一次构造分类器时对这些错分实例给予更大关注（权重），在多次重复操作后得到最优的分类器。 Trail： 构造分类器个数。;在前边两种分类方法中，都只用到了部分属性。此选项能够自动选择有用的属性来构造decision tree或rulesets。 剔除了29个属性，剩余被 采用属性按照重要性依次 排列。 属性前的百分数， 例如567%代 表若该属性 family被剔除，则分类精 度会变为原精度1.5%的 567%倍。;在某些应用中，我们希望分类的决定能随着属性值的变化而更缓慢的变化。此选项将阈值分割 为三个变量，下界lb， 上界ub和中间值t。 有图中的表示形式为 =ub(t)或=lb(t)。 对于某些情况来说，上下界 不一定非要关于中间值对称。;决策树的生成主要分为两个步骤：首先构造一个最接近训练数据的树，然后修剪掉那些误差相对较大的分支。修剪过程首先针对每一颗子树决定是否用叶子或者分支代替它，然后再全局考虑决策树的性能。 Pruning CF的含义还不清楚，修剪的限定 条件是当value25%时需要修剪更多部分， 反之则要修建部分较少。 Minimum cases决定了在决定树的每个分 至点的最低分支数量为2。 Values higher than the default (2 cases) can lead to an initial tree that fits the training data only approximately -- a form of pre-pruning. ;此选项在构造分类器时不利用整个训练样本，而是 随机选取了一个子集构造分类器，构造成功后同样 在训练样本中选取一个不相交的子集进行精度评定。 x%规定了训练样本自己和精度评定子集的大小。 若x%50%，则后者与前者互补； 若x%50%，则后者与前者大小相同。 Lock sample能够使每次使用的子集固定不变。;将训练数据分为n个大小相同，分布相似的子集。每次选定一个子集，利用余下数据构造分类器，再用选定自己作为检测数据。 Mean: 平均误差 SE: the standard errors of the means;该选项能够显示分类树与相关数据的联系。例如，选择.data得到： ;单击某条实例，得到该实例 的分类子树。 单击某条规则/叶子,得到对 应被分类的实例编号。 需要注意的是，有时方框内的数据带有小数部分。这事因为某些实例的属性为空，导致在其他某些分类规则下，该实例也被分类。