See5使用说明.pptx

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,2011-9-13,#,小暖,See5,使用说明,安装成功后，,See5-demoSamples,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,。,文档介绍,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,Anneal.names,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。,Anneal.data,界面介绍,数据导入；,构建分类器；,停止分类；,查看输出结果；,使用分类器；,相互,参照；,相关文档,（蓝色表示存在，灰色表示不存在）,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。,使用流程,Anneal.out,叶子的层数,错误率,=1/400,Anneal.tree,暂时还没看明白,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,。,rulesets,1,2,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。,rulesets,method,Training data(%),Test data(%),Decision tree,0.3,1.5,Rulesets classifier,0.8,2.0,Decision tree,Rulesets,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。,boosting,与决策树分类精度相同,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。,Winnow attibutes,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。,Softening thresholds,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,value50%,，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。,Sampling from large,datasets,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,Cross-validation,trials,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：,Cross-Referencing Classifiers and,Data,决策树,.data,中各实例的分类结果。,点击,?,，弹出属性列表；,#n,代表实例标号；,最后一列为分类结果，绿色代表分类正确，红色代表分类错误。,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。,Cross-Referencing Classifiers and Data,以上为个人对,SEE5,的一些总结。认识比较浅显，主要目的是为了整理所学到的东西。,PPT,中还残留了一些问题，若有兴趣讨论或帮助我解答，感激不尽。,邮箱：,wuxian,谢谢观看！,