Machine learning 用Weka预测谷歌播放的收视率

我是Weka 3.7.9的新手。 我有一个arff文件，其中包含以下属性、类和数据：

此文件表示Android项目。 那么，1-9。属性是不同类型的度量：

lloc-逻辑代码行 nid-ID的数量 nle-嵌套级别 nel-元素数 nip-输入元素的数量 activites-AndroidManifest中的活动数 inside permissions-AndroidManifest中的内部权限数 External permissions-AndroidManifest的外部权限数 all permissions—AndroidManifest中的权限数 类{4,4.6,3.8,2.6.5,3.2,3.6,4.2,4.1} 最后一个类包含项目的Google Play评级

所以每一行都是ANDROID项目。当然，原始的*.arff文件包含更多的项目

我想用学习算法分析数据。 预测值从1到9。 我想确定，哪些预测因素主要影响Google Play的收视率

我该怎么做？ 最好的方法是什么？ 如果可能的话，我想请你向我解释一下

提前感谢,， 彼得

班级类型 首先，如果希望输出是连续的，我建议您将类类型更改为numeric。否则，我建议将类标签类型保持为现在的标称类型，但将评级更改为{1,2,3,4,5}

例如，如果您更改为数字输出，以便可以预测4.5颗星，那么您将需要使用支持数字类的分类器

使用Weka 我建议看一看，了解更多关于使用Weka的知识，可能通过阅读一些教程。例如，双击ARFF文件后，您应该在“分类”选项卡中完成大部分工作。选择一个分类器，然后选择开始

分类器 回归 特别好的是，它很容易解释，因为它简单地为每个属性分配一个权重，并使用这些权重的乘法和加法来给出输出

我使用了您的示例文件，并使用线性回归对其进行了测试，然而，对于如此少的样本，它确定最佳模型只是输出3.9667作为评级，这将为您提供0.4722的平均绝对误差

不满意，接下来我尝试了SimpleLinearRegression，它给出了一个模型-0.02*activites+4.13，并给出了0.472的平均绝对误差

SMOreg给出了以下模型

weights:
 +       0.1147 * (normalized) lloc
 -       0.0404 * (normalized) nid
 -       0.1662 * (normalized) nle
 -       0.0647 * (normalized) nel
 +       0.3385 * (normalized) nip
 -       0.1352 * (normalized) activites
 -       0.019  * (normalized) inside-permissions
 -       0.0464 * (normalized) outside-permissions
 +       0.1602 * (normalized) all-permissions
 +       0.5921

平均绝对误差为0.3859。但在这一点上，我认为有这么少的数据点，你就是你的数据

近邻 使用可能是一种可行的方法，如果您在Weka中有更多的数据，则称之为KStar

决策树 DecisionStump算法输出该模型的平均绝对误差为0.3424，但可能再次过度拟合

inside-permissions <= 1.5 : 2.6
inside-permissions > 1.5 : 4.090909090909091
inside-permissions is missing : 3.966666666666667

更多数据

---

如您所见，考虑到您只有12个数据点，模型和错误率并不是很高。要构建一个真正好的模型，您需要更多的数据。要准确了解模型的性能，您不仅需要有足够的数据进行培训，还需要有足够的数据作为单独的测试集保存，仅用于测试模型的性能。

Hi！谢谢你的帮助：我会检查你的回答，我迟早会给出反馈。谢谢。我想知道，为什么我可以更改收视率？现在我有了这些评级：@attributeclass{4,4.6,3.8,2.6,5,3.2,3.6,4.2,4.1}如果我更改这一行，我必须更改该文件中每一行的@data结尾。我认为如果我只使用{1,2,3,4,5}评级，我会失去准确性。为什么这是一个好的解决方案？@olhptr您会失去精度，但可能会获得精度。如果我使用离散类标签，我会显式地使用{1,2,3,4,5}或者{1,1.5,2,2.5，…}。否则，每次获得新的唯一评级4.6或3.8时，您必须添加另一个标签。另外，分类器不知道2.6与B或正数不同。但是，如果切换到数值类型，则分类器知道输出只是一个连续的范围数。希望这能有所帮助。所以，如果我没有误解你所说的，这是一个很好的分析结构：还是不是？@olhptr是的，设置google play rating numeric将允许分类器输出一个数字。但是，由于您使用的是数字，因此可以保留每个数据点的原始评级，如3.6等。。