Machine learning 如何知道weka预测哪个标签
我可能有一个愚蠢的问题，但我正在与weka合作预测不同基因在癌症中的作用，比如Machine learning 如何知道weka预测哪个标签,machine-learning,weka,Machine Learning,Weka,我可能有一个愚蠢的问题，但我正在与weka合作预测不同基因在癌症中的作用，比如 cancer gene1 gene2 gene3 .... yes 0.85 1.23 3.52 .... no 7.58 6.25 8.91 .... no 6.52 5.25 9.85 .... yes 1.23 0.59 0.74 .... ..... 但是对于癌症患者，yes=25，no=158加上75个基因。 我
cancer gene1 gene2 gene3 ....
yes 0.85 1.23 3.52 ....
no 7.58 6.25 8.91 ....
no 6.52 5.25 9.85 ....
yes 1.23 0.59 0.74 ....
.....
非常感谢 您可以用Weka训练数据，并以XML或任何其他格式保存由其构建的模型。然后用Weka或Python加载该模型，或使用您熟悉的其他语言。加载模型后，您可以相应地测试数据集。在Weka中，这非常简单。要获得更清晰的图片，请点击以下链接：
您可以使用Weka对数据进行训练，并以XML或任何其他格式保存由其构建的模型。然后使用Weka或Python加载该模型，或使用您熟悉的其他语言。加载模型后，您可以相应地测试数据集。在Weka中，这非常简单。要获得更清晰的图片，请点击以下链接：
我对遗传学了解不多，但你怎么知道“该”基因会致癌？很可能是许多相互作用的基因。你如何解释互动你的问题 专注于正式/技术方面的事情。在Weka中，您的类属性“cancer”需要是最后/最右边的列，或者在每次单击“开始”按钮之前，您都可以使用“选择框”（Nom）cancer）手动设置它 您可以查看Weka附带的diabetes.arff文件，该文件的结构与您的数据文件类似
如果您想要有一个可解释的模型，还可以运行决策树算法“J48”（在“分类”选项卡中）并在“属性”窗口中将minNumObj设置为更高的值（通过反复试验找到合适的值）。这将创建具有少量level/decision/if语句的扁平树。然后右键单击运行（在“分类”选项卡的左下面板中），并选择“可视化树” 我对遗传学了解不多，但你怎么知道“该”基因会致癌？很可能是许多相互作用的基因。你如何解释互动你的问题 专注于正式/技术方面的事情。在Weka中，您的类属性“cancer”需要是最后/最右边的列，或者在每次单击“开始”按钮之前，您都可以使用“选择框”（Nom）cancer）手动设置它 您可以查看Weka附带的diabetes.arff文件，该文件的结构与您的数据文件类似
如果您想要有一个可解释的模型，还可以运行决策树算法“J48”（在“分类”选项卡中）并在“属性”窗口中将minNumObj设置为更高的值（通过反复试验找到合适的值）。这将创建具有少量level/decision/if语句的扁平树。然后右键单击运行（在“分类”选项卡的左下面板中），并选择“可视化树” 在您的问题和您对另一个答案的评论中，您提到了GainRatio、InfoGain和Cfs。这些都是方法。您可以使用它们来减少数据集中的属性数，方法是选择那些似乎提供了有关您试图预测的属性的最多信息的属性 听起来好像你想知道的是，每个属性（在你的情况下，基因）与感兴趣的结果是正相关还是负相关，换句话说，高水平的基因与癌症的高概率相关还是低概率相关？这不是属性选择方法的用途 正如建议的那样，您要做的是构建一个分类模型，该模型根据其他属性预测类别（
癌症是癌症否函数.Logistictrees.J48元属性SelectedClassifier如果您在选择和使用合适的分类技术方面需要更多帮助，我建议您查看和。在您的问题中以及您对您提到的另一个答案的评论GainRatio、InfoGain和Cfs。这些都是方法。您可以使用它们来减少数据集中的属性数，方法是选择那些似乎提供了有关您试图预测的属性的最多信息的属性 听起来好像你想知道的是，每个属性（在你的情况下，基因）与感兴趣的结果是正相关还是负相关，换句话说，高水平的基因与癌症的高概率相关还是低概率相关？这不是属性选择方法的用途 正如建议的那样，您要做的是构建一个分类模型，该模型根据其他属性预测类别（
癌症是癌症否functions.Logistic