У меня есть набор данных с 20 функциями. 10 по возрасту и 10 по весу. Я хочу классифицировать данные для обоих отдельно, а затем использовать результаты этих двух классификаторов в качестве входных данных для третьего для окончательного результата.
Возможно ли это с Weka????
Слияние решений возможно в WEKA (или с любыми двумя моделями), но не с использованием описанного вами подхода.
Учитывая, что вы используете классификаторы, каждая модель будет выводить только класс. Вы могли бы использовать две метки, созданные как функции для третьей модели, но отсутствие разнообразия в ваших входных данных, скорее всего, помешает третьей модели дать вам что-нибудь интересное.
На самом базовом уровне вы можете реализовать схему голосования. Дайте каждой модели «голос», а затем предположите, что правильный класс — это класс, за который проголосовало большинство. Хотя это даст рудиментарную форму слияния, если вы знакомы с теорией голосования, вы знаете, что правила большинства несколько разваливаются, когда у вас более двух классов.
Я рекомендую вам использовать Combinatorial Fusion для объединения результатов двух классификаторов. Хороший документ по этой технике доступен в виде бесплатного PDF-файла здесь. По сути, вы используете метод Classifer::distributionForInstance(), предоставляемый классификаторами WEKA, а затем используете сумму распределений (называемых «баллами») для ранжирования классов, выбирая класс с наивысшим рангом. В документе показано, что этот метод лучше, чем просто голосование в одиночку.
