使用weka内置算法分析数据(图形界面操作)

原文

本文使用weka中内置的三种分类算法(naive bayes,SVM,Logistic Regression)根据收集到的鸢尾属植物的数据进行分类，通过精度和效率对三种算法进行比较。

1、鸢尾属植物的分类

数据中包含鸢尾属植物的四种属性。四种属性分别是萼片长度、萼片宽度、花瓣长度、花瓣宽度。数据中还包含鸢尾属植物的三种种类，分别是:Iris-setosa(山鸢尾)、Iris-Versicolous(杂色鸢尾)、Iris-Virginica(维吉尼亚鸢尾)。也就是说，每行数据有5个属性(花萼长度、花萼宽度、花瓣长度、花瓣宽度、所属种类)

通过weka图形界面的Experimenter模块添加三种算法，采用十折交叉验证来分析三种算法的结果。图1.1是三种算法分类的正确率对比。

图1.1分类正确率

从图1.1的列表中可以看出，对于当前数据集的表现，三种算法在指定的显著性水平(significance level，这里设定是0.1)下可以认为正确率基本等同。
再比较三种算法正确分类个数的平均值，如图1.2所示，三种算法正确分类个数的平均值在显著性水平值为0.1的情况下可以认为是等同的。

图1.2分类正确个数

图1.3是CPU执行三种算法处理训练任务所花费的时间对比，可以看出，Logistic Regression和SVM在训练上所花费的总时间要多于Naive Bayes。也就是说，在处理这个数据集时，Naive Bayes的时间性能要比Logistic Regression和SVM要好

图1.3训练花费时间对比

综上，三种算法在处理本数据集的对比如表1.1所示

算法 精确度 效率 Naive Bayes 高 高 SVM 高 高 Logistic Regression 高 高

表1.1对比

2、甲状腺功能减退类型分类

数据集中包含一系列属性，这些属性是甲状腺功能减退患者自身的一些特征，比如年龄、性别等。除此之外，还有一个甲状腺功能减退类型的属性作为标签。使用三种不同的算法进行分析。得到如图2.1的结果。

图2.1分类正确率

由图2.1可以看出，在显著性水平为0.1的情况下，SVM算法的表现要比Naive Bayes差，而Logistic Regression的表现要好于Naive Bayes。
图2.2是三种算法正确分类个数的平均值的情况。

图2.2分类正确的个数

CPU执行三种算法训练模型所花费的时间如图2.2所示，测试所花费的时间如图2.3所示

图2.3训练模型所花费时间

图2.4测试模型所花费时间

综上所述，三种算法在处理本数据集的表现对比如表2.1

算法 精确度 效率 Naive Bayes 中 高 SVM 低 低 Logistic Regression 高 中

表2.1对比