machine-learning - Weka OneR给吗？作为分类器模型

我的Weka OneR模型都返回了看起来过拟合的集合，并以问号结束，从而得出了如下所示的某些结果：

FollowersMeanCoords_Col:
    < 0.33340000000000003   -> False
    >= 0.33340000000000003  -> True
    ?   -> False
(114357/163347 instances correct)

这个OneR只是在说“我什么也找不到，所以我们假设其余的都是假的”吗？但是，为什么日期有明确的含义（低于0.33则为False，高于或等于TRUE为True）？有办法防止这种情况吗？

提前致谢！

最佳答案

?表示缺少值-在某些情况下，您的训练数据必须缺少某些FollowersMeanCoords_Col值。

您问题中的模型说，如果实例（数据点）的FollowersMeanCoords_Col小于0.3334 ...，或者丢失，它将将该实例分类为False，否则将其分类为True。

OneR是一种非常简单的分类算法，其工作原理是从训练数据中找到一个属性，该属性在用于制定分类规则时给出的误差最小。为了使OneR过拟合，需要有一个属性可以很好地对训练数据进行分类，但不能将其推广到将来的测试数据。 OneR更有可能为您提供健壮但不准确的模型。

关于machine-learning - Weka OneR给吗？作为分类器模型，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/45772807/