许多机器学习应用与分类有关。例如，您可能希望将肿瘤分类为恶性或良性。您可能要根据天气情况决定是否玩户外游戏。通常，此决定取决于天气的几个特征/条件。因此，您可能更喜欢使用树分类器来决定是否玩游戏。

在本章中，我们将学习如何在天气数据上建立这样的树分类器，以决定比赛条件。

设置测试数据

我们将使用上一课中的预处理天气数据文件。使用“预处理”选项卡下的“打开文件…”选项打开保存的文件，单击“分类”选项卡，您将看到以下屏幕：

在了解可用的分类器之前，让我们检查一下“测试”选项。您会注意到以下列出的四个测试选项：

• 训练集
• 提供的测试仪
• 交叉验证
• 分割百分比

除非您有自己的培训集或客户提供的测试集，否则将使用交叉验证或百分比拆分选项。在交叉验证下，您可以设置在每次训练迭代期间将拆分和使用全部数据的折叠次数。在百分比拆分中，您将使用设置的拆分百分比在训练和测试之间拆分数据。

现在，保留输出类的默认播放选项-

接下来，您将选择分类器。

选择分类器

单击选择按钮，然后选择以下分类器-

weka→分类器>树> J48

这显示在下面的屏幕截图中-

单击开始按钮以开始分类过程。一段时间后，分类结果将显示在屏幕上，如下所示-

让我们检查一下屏幕右侧显示的输出。

它说树的大小为6。您很快就会看到树的视觉表示。在摘要中，它表示正确分类的实例为2，而错误分类的实例为3，并且还表示相对绝对误差为110％。它还显示了混淆矩阵。对这些结果进行分析超出了本教程的范围。但是，您可以从这些结果中轻松地看出分类是不可接受的，并且您将需要更多数据进行分析，完善功能选择，重建模型等，直到对模型的准确性感到满意为止。无论如何，这就是WEKA的全部意义。它使您可以快速测试您的想法。

可视化结果

要查看结果的直观表示，请在“结果”列表框中右键单击结果。屏幕上会弹出几个选项，如下所示：

选择可视化树以获取遍历树的可视化表示，如下面的屏幕截图所示：

选择Visualize分类器错误将绘制分类结果，如下所示-

十字代表正确分类的实例，而正方形代表错误分类的实例。在情节的左下角，您会看到一个十字形，该箭头指示前景是否晴朗，然后玩游戏。因此，这是一个正确分类的实例。要定位实例，您可以通过滑动抖动滑动条在其中引入一些抖动。

当前的情节是展望与游戏。这些由屏幕顶部的两个下拉列表框指示。

现在，在每个框中尝试其他选择，然后注意X和Y轴如何变化。通过使用绘图右侧的水平条可以实现相同的目的。每个带代表一个属性。左键单击条将在X轴上设置选定的属性，而右键单击将在Y轴上设置选定的属性。

还提供了其他一些图表供您进行更深入的分析。明智地使用它们来微调您的模型。下面显示了这样一种成本/收益分析图，供您快速参考。

在这些图表中解释分析超出了本教程的范围。鼓励读者提高对机器学习算法分析的知识。

在下一章中，我们将学习下一组机器学习算法，即聚类。