WEKA - 在 MultiClassClassifer 中过滤掉 类
WEKA - filtering out classes in a MultiClassClassifer
我已经训练了一个 MultiClassClassifier（测试，工作）并将它保存在我的硬盘上的某个地方。现在我想对我得到的新样本进行预测。我加载我的应用程序，我的分类器自动加载它。在分类过程之外，我已经将样本的搜索范围缩小到五个可能 类。这意味着，我知道k类，在分类中很容易避免
是否可以在使用之前过滤一个MultiClassClassifier（过滤掉所有不需要的类）？
如果是？为此，Weka 方法是什么？ 如果没有，有没有改的。解决方案？
我想通过缩小对 n 类 中 5 类 的关注范围来提高分类器的准确性。
我找到了过滤 Instances 对象的方法，但似乎找不到适合 MultiClassClassifer 的方法。
我的数据要通过 is/are 我的测试 Instances 和我的 MultiClassClassifier 进行操作。
提前谢谢你。
实际上没有办法修改现有的 MultiClassClassifier 以排除 classes。但是，根据您正在使用的基础 classifier，您可以尝试使用 .distributionForInstance 输出置信度分数向量，每个 class 一个。然后，您可以选择得分最高的 class，忽略不在目标集中的 class 的得分。
我已经训练了一个 MultiClassClassifier（测试，工作）并将它保存在我的硬盘上的某个地方。现在我想对我得到的新样本进行预测。我加载我的应用程序，我的分类器自动加载它。在分类过程之外，我已经将样本的搜索范围缩小到五个可能 类。这意味着，我知道k类，在分类中很容易避免
是否可以在使用之前过滤一个MultiClassClassifier（过滤掉所有不需要的类）？
如果是？为此，Weka 方法是什么？ 如果没有，有没有改的。解决方案？
我想通过缩小对 n 类 中 5 类 的关注范围来提高分类器的准确性。
我找到了过滤 Instances 对象的方法，但似乎找不到适合 MultiClassClassifer 的方法。
我的数据要通过 is/are 我的测试 Instances 和我的 MultiClassClassifier 进行操作。
提前谢谢你。
实际上没有办法修改现有的 MultiClassClassifier 以排除 classes。但是，根据您正在使用的基础 classifier，您可以尝试使用 .distributionForInstance 输出置信度分数向量，每个 class 一个。然后，您可以选择得分最高的 class，忽略不在目标集中的 class 的得分。