WEKA classifyinstance и методы распределения для экземпляров

В WEKA, когда я пытаюсь отладить код с экземпляром, который должен быть классифицирован с помощью обученной модели с использованием SVM, я вижу, что сначала я попадаю в classifyInstance() для классификации тестового экземпляра, а затем этот метод вызывает метод DistributionForInstance() . Там, внутри метода DistributionForInstance(), я вижу, что мы делаем обратный вызов метода classifyinstance().

Разве это не проблема куриного яйца, когда эти два метода вызывают друг друга? Что здесь происходит?


java machine-learning data-mining weka
person London guy    schedule 29.06.2012    source источник
comment
На момент написания классификатора все было ОК. Имейте в виду, что это абстрактные методы, и вы должны переопределить один из них в реализации. Если ваш классификатор возвращает распределение, то WEKA может использовать метод classifyInstance из суперкласса, чтобы выбрать только лучшее на основе распределения. Могу ошибаться, давно не касался этой темы.   -  person Rekin    schedule 29.06.2012

Ответы (2)


arrow_upward
1
arrow_downward

Комментарий Рекина правильный:

Если вы только что произошли от Classifier, вы унаследовали реализации по умолчанию classifyInstance() и distributionforinstance(). Вам нужно реализовать хотя бы один из двух, чтобы он работал.

Когда вы отлаживаете свой код, может случиться так, что отладчик каким-то образом перейдет к абстрактному классу Classifier вместо конкретной реализации SVM.

person Sentry    schedule 03.07.2012

arrow_upward
0
arrow_downward

В основном (не всегда) DistributionForInstance используется для регрессионных исследований, тогда как classifyInstance используется для классификационных исследований. Конечно, для классификации можно использовать команду «distributionForInstance», но для этого требуется еще несколько строк кода.

Я внимательно прочитал этот пост и запустил этот проект GitHub в вашей локальной среде.

person johncasey    schedule 08.08.2017