Weka学习：LMT--ResidualModelSelection & ResidualSplit

最新推荐文章于 2022-04-30 16:58:59 发布

原创

最新推荐文章于 2022-04-30 16:58:59 发布 · 1.1k 阅读

收录于

当前文章被以下社区和专栏收录：

本文介绍了Weka中LMT（Logistic Model Trees）学习过程中，ResidualModelSelection和ResidualSplit两个关键类的作用。ResidualSplit包含buildClassifier、getSplitPoint、entropyGain和entropy等函数，用于节点划分。而ResidualModelSelection的selectModel函数负责选择最佳属性。这两者共同作用于LMT的节点分裂过程。

学习LMT源代码之前，要先看几个类，包括ResidualModelSelection ，ResidualSplit，LMTNode,,LogisticBase,SimpleLinearRegression，这里先介绍ResidualModelSelectionhe和ResidualSplit。下一篇介绍其余的。

这两个类联合起来充当分裂节点的作用。先看ResidualSplit。这个类有四个主要函数，分别是

void buildClassifier(Instances data, double[][] dataZs, double[][] dataWs) ;

boolean getSplitPoint();

double entropyGain() ;

double entropy(double[][] dataZs, double[][] dataWs);

第一个函数主要是初始化之类的，里面最重要的就是调用 getSplitPoint()，这里不说。直接说 getSplitPoint();

protected boolean getSplitPoint() throws Exception{

    //compute possible split points
    double[] splitPoints = new double[m_numInstances];
    int numSplitPoints = 0;

    Instances sortedData = new Instances(m_data);
    sortedData.sort(sortedData.attribute(m_attIndex));

    double last, current;

    last = sortedData.instance(0).value(m_attIndex);	
    /**
     * 这里从该属性的最小值开始取两个值的中间值作为分裂点。
     */
    f