R 中的資料探勘演算法/包/RWeka/Weka 分類器規則

描述

R 中對 Weka 規則學習器的介面。

用法

JRip(formula, data, subset, na.action, control = Weka_control(), options = NULL)

M5Rules(formula, data, subset, na.action, control = Weka_control(), options = NULL)

OneR(formula, data, subset, na.action, control = Weka_control(), options = NULL)

PART(formula, data, subset, na.action, control = Weka_control(), options = NULL)

引數

formula，模型擬合的符號描述。

data，可選資料框，包含模型中的變數。

subset，可選向量，指定擬合過程中要使用的觀測值子集。

na.action，一個函式，指示當資料包含 NA 時應該發生什麼。

control，一個 Weka_control 類物件，用於傳遞給 Weka 學習器的選項。

options，一個命名列表，包含其他選項，或 NULL（預設）。

細節

存在一個用於預測擬合模型的 predict 方法，以及一個基於 evaluate_Weka_classifier 的 summary 方法。

JRip 實現了一個命題規則學習器，“重複增量剪枝以產生誤差減少”(RIPPER)，由 Cohen (1995) 提出。

M5Rules 使用分治法為迴歸問題生成決策列表。在每次迭代中，它使用 M5 構建一個模型樹，並將“最佳”葉節點變成一個規則。

OneR 構建一個簡單的 1-R 分類器，參見 Holte (1993)。

PART 使用 Frank 和 Witten (1998) 的方法生成 PART 決策列表。

模型公式應該只使用“+”和“-”運算子來分別指示要包含或不包含的變數。引數 options 允許進一步自定義。目前，options model 和 instances（或它們的區域性匹配）被使用：如果設定為 TRUE，模型框架或相應的 Weka 例項將被包含在擬合模型物件中，這可能會加速對該物件的後續計算。

返回值

一個繼承自 Weka_rules 和 Weka_classifiers 類的列表，包含以下元件

classifier，一個對 Java 物件的引用（jobjRef 類），該物件是透過將 Weka buildClassifier 方法應用於使用給定的控制選項構建指定的模型而獲得的。

predictions，一個數值向量或因子，包含對訓練例項的模型預測（透過對已構建的分類器和每個例項呼叫 Weka classifyInstance 方法的結果）。

call，匹配的呼叫。

示例

   M5Rules(mpg ~ ., data = mtcars)
   m <- PART(Species ~ ., data = iris)
   summary(m)