使用 r 和 weka。如何将元算法与 nfold 评估方法一起使用？

Question

这是我的问题的一个示例

library(RWeka)
iris <- read.arff("iris.arff")

执行 nfolds 以获得分类器的正确精度。

m<-J48(class~., data=iris)
e<-evaluate_Weka_classifier(m,numFolds = 5)
summary(e)

这里提供的结果是通过使用数据集的一部分构建模型并使用另一部分进行测试来获得的，因此提供了准确的精度

现在我执行 AdaBoost 来优化分类器的参数

m2 <- AdaBoostM1(class ~. , data = temp ,control = Weka_control(W = list(J48, M = 30)))
summary(m2)

这里提供的结果是通过使用相同的数据集获得的构建模型以及用于评估模型的模型，因此准确性并不代表现实生活中的精度，在现实生活中我们使用模型评估的其他实例。尽管如此，此过程有助于优化所构建的模型。

主要问题是我无法优化构建的模型，同时使用未用于构建模型的数据对其进行测试，或者仅使用 nfold 验证方法来获得适当的准确性。

Answer 1

我猜你误解了evaluate_Weka_classifier的功能。在这两种情况下，evaluate_Weka_classifier 仅根据训练数据进行交叉验证。它不会改变模型本身。比较以下代码的混淆矩阵：

m<-J48(Species~., data=iris)
e<-evaluate_Weka_classifier(m,numFolds = 5)
summary(m)
e


m2 <- AdaBoostM1(Species ~. , data = iris ,
       control = Weka_control(W = list(J48, M = 30)))
e2 <- evaluate_Weka_classifier(m2,numFolds = 5)
summary(m2)
e2

在这两种情况下，摘要都会为您提供基于训练数据的评估，而函数 evaluate_Weka_classifier() 会为您提供正确的交叉验证。无论是 J48 还是 AdaBoostM1，模型本身都不会根据交叉验证进行更新。

现在关于 AdaBoost 算法本身：事实上，它确实使用某种“加权交叉验证”来得出最终的分类器。错误分类的项目在下一个构建步骤中会被赋予更大的权重，但评估是对所有观察结果使用相同的权重来完成的。因此，使用交叉验证来优化结果并不真正符合自适应增强算法背后的一般思想。

如果您想要使用训练集和评估集进行真正的交叉验证，您可以执行以下操作：

id <- sample(1:length(iris$Species),length(iris$Species)*0.5)
m3 <- AdaBoostM1(Species ~. , data = iris[id,] ,
      control = Weka_control(W = list(J48, M=5)))

e3 <- evaluate_Weka_classifier(m3,numFolds = 5)
# true crossvalidation
e4 <- evaluate_Weka_classifier(m3,newdata=iris[-id,])

summary(m3)
e3
e4

如果您想要基于交叉验证更新的模型，则必须使用不同的算法，例如 randomForest () 来自 randomForest 包。它收集一组基于交叉验证的最佳树。它也可以与 RWeka 包结合使用。

编辑：更正了真正交叉验证的代码。使用 subset 参数也会对 evaluate_Weka_classifier() 产生影响。