为什么weka预测结果是问号？

weka进行模型数据预测输出结果是问号怎么办啊

img


weka数据预测是不能直接看到结果吗？

  • 你可以看下这个问题的回答https://ask.csdn.net/questions/1084979
  • 我还给你找了一篇非常好的博客，你可以看看是否有帮助，链接：使用weka进行数据挖掘
  • 除此之外, 这篇博客: 数据挖掘—Weka 的数据库挖掘及数据预处理中的 应用：使用 weka 将数据离散化 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:

  • ​ Weka 中数据类型有标称型（nominal），只能取预定义值列表中的一个；数值型（numeric）,只能是实数或整数；字符串类型（String）,由双引号引用的任意长度的字符列表；还有日期型（Date）和 关系型(Relational)。

    ​ 如果数据集包含数值型属性，所用的学习方案只能处理标称型属性的分类，则将数值型属性离散化是必要的。有两种类型的离散化技术-无监督离散和有监督离散化，前者不需要也不关注类别属性值，后者在创建间隔时考虑实例的类别属性值。离散化数值型属性的直观方法是将值域分隔为多个预先设定的间隔区间。

  • 您还可以看一下 肖欢老师的机器学习初学者必会的案例精讲课程中的 Weka下载和使用小节, 巩固相关知识点

如果在使用Weka进行模型数据预测时，输出结果显示为问号（?），可能有以下几种原因和解决方法：

  1. 缺少特征值：模型预测需要提供与训练模型时相同的特征值。确保输入的测试数据集包含与训练数据集相同的特征，并且特征值类型匹配。

  2. 数据预处理不匹配：训练模型时进行了数据预处理（例如缺失值处理、特征缩放等），但在进行预测时没有进行相同的预处理操作。确保对测试数据集进行与训练数据集相同的预处理操作。

  3. 数据格式不匹配：确保输入的测试数据集与模型要求的数据格式相匹配。例如，如果模型要求连续数值特征，但提供了类别型特征，会导致输出结果为问号。

  4. 特征缺失或错误：检查测试数据集是否存在缺失值或错误的特征值。缺失值或错误的特征值可能导致模型无法进行准确的预测。

  5. 模型错误：如果以上解决方法都没有解决问题，可能是模型本身存在问题。检查模型是否正确加载，并且模型是否已正确训练。

在调试过程中，建议逐步检查数据和模型，确认每个步骤的正确性，并且确保测试数据与训练数据的一致性。如果问题仍然存在，可以提供更多详细信息，以便进行更具体的帮助。