Machine learning 参数优化&；使用Weka进行阿提布特选择

我想在J48中设置

-C

参数，并运行存储在哈希表中的三种特征选择算法。我想比较精度、真正数、真负数、F1等三种特征选择算法的性能。但当我运行所有特征选择算法时，它们返回相同的输出。。。。我做错什么了吗

    Hashtable<String, ASEvaluation> search=new Hashtable<String, ASEvaluation>();

    Instances training_data = new Instances(new BufferedReader(
            new FileReader("test.arff")));
    training_data.setClassIndex(training_data.numAttributes() - 1);
    topAttributes = new int[training_data.numAttributes()];

    AttributeSelectedClassifier classifier = new AttributeSelectedClassifier();
 AttributeSelection attsel = new AttributeSelection();

    search.put("Infogain", new InfoGainAttributeEval());
    search.put("SymmetricalUncertAttribute",new SymmetricalUncertAttributeEval());
    search.put("Chisquared",new ChiSquaredAttributeEval());

    for(String key : search.keySet()) {



        try{
            Ranker attribute_search = new Ranker();
                J48 base = new J48();
            CVParameterSelection ps = new CVParameterSelection();
                ps.setClassifier(base); 
                ps.setNumFolds(5);
                ps.addCVParameter("C 0.1 0.5 5");
                ps.buildClassifier(training_data);

                System.out.println("---------------- " + search.get(key).toString() + " ----------------");

                classifier.setClassifier(ps);                       
            classifier.setEvaluator(search.get(key));
            classifier.setSearch(attribute_search);

                  attsel.setEvaluator(search.get(key));
                  attsel.setSearch(attribute_search);
                  attsel.setInputFormat(training_data);



            Evaluation evaluation = new Evaluation(training_data);
            evaluation.crossValidateModel(ps, training_data, 10, new Random(1));
            System.out.println("\nevaluation ->");          
            System.out.println(evaluation.toSummaryString());
            System.out.println("MAE: " + evaluation.meanAbsoluteError());

        } catch(Exception e) {
            e.printStackTrace();
        }
    }

Hashtable search=newhashtable（）；
实例训练\u数据=新实例（新BufferedReader(
新的文件阅读器（“test.arff”）；
training_data.setClassIndex（training_data.numAttributes（）-1）；
topAttributes=newint[training_data.numAttributes（）]；
AttributeSelectedClassifier=新AttributeSelectedClassifier（）；
AttributeSelection attsel=新的AttributeSelection（）；
search.put（“Infogain”，newinfogainattributeval（））；
search.put（“symmetraluncerttribute”，new symmetraluncerttributeeval（））；
search.put（“Chisquared”，新的chisquaredtributeval（））；
for（字符串键：search.keySet（））{
试一试{
Ranker属性_search=新Ranker（）；
J48底座=新的J48（）；
CVParameterSelection ps=新CVParameterSelection（）；
ps.SET分类器（基础）；
ps.setNumFolds（5）；
ps.addCVParameter（“C 0.1 0.5”）；
ps.buildClassifier（训练数据）；
System.out.println（“----------------------”+search.get（key.toString（）+”------------”）；
分类器。集合分类器（ps）；
setEvaluator（search.get（key））；
分类器.setSearch（属性搜索）；
attsel.setEvaluator（search.get（key））；
attsel.setSearch（属性搜索）；
attsel.setInputFormat（训练数据）；
评估=新评估（培训数据）；
交叉验证模型（ps，训练数据，10，新随机（1））；
System.out.println（“\nValuation->”）；
System.out.println（evaluation.toSummaryString（））；
System.out.println（“MAE:+evaluation.meanAbsoluteError（））；
}捕获（例外e）{
e、 printStackTrace（）；
}
}

我不知道你是怎么做的。但是您是否尝试过使用网格搜索？

您是否检查了特征选择算法是否确实对数据集产生了影响？他们可能真的返回了所有相同的功能集。即使它们不这样做，

J48

也可以简单地选择要在生成的树中使用的相同属性子集。