如何在 Weka 中更好地理解您的机器学习数据

在开始一个新的机器学习问题时，花时间了解您的数据非常重要。

您可以查看关键信息以快速了解您的数据集，例如描述性统计数据和数据可视化。

在这篇文章中，您将了解如何在Weka机器学习工作台中通过查看描述性统计数据和数据可视化来了解更多关于您的数据。

阅读本文后，您将了解：

• 通过查看统计摘要了解属性分布。
• 通过查看单变量图了解属性分布。
• 通过查看多变量图了解属性之间的关系。

通过我的新书《Weka机器学习精通》启动您的项目，其中包括所有示例的分步教程和清晰的截图。

让我们开始吧

通过描述性统计数据更好地理解您的数据

Weka浏览器将自动计算数值属性的描述性统计数据。

1. 打开Weka GUI选择器。
2. 点击“浏览器”打开Weka浏览器。
3. 从data/diabetes.arff加载Pima Indians数据集。

Pima Indians数据集包含数值输入变量，我们可以用它来演示描述性统计数据的计算。

首先，请注意“当前关系”部分中的数据集摘要。此面板总结了有关加载数据集的以下详细信息：

• 数据集名称（关系）。
• 行数（实例数）。
• 列数（属性数）。

Weka数据集摘要

点击“属性”面板中数据集的第一个属性。

Weka属性列表

请注意“选定属性”面板中的详细信息。它列出了有关选定属性的许多信息，例如：

• 属性名称。
• 缺失值的数量以及整个数据集中缺失值的比率。
• 不同值的数量。
• 数据类型。

Weka属性摘要

下表列出了一些描述性统计数据及其值。为数值属性提供了有用的四项摘要，包括：

• 最小值。
• 最大值。
• 平均值。
• 标准差。

您可以从这些信息中获得很多启发。例如：

• 缺失数据的存在和比率可以为您提供是否需要删除或填充值的指示。
• 均值和标准差可以量化地反映每个属性的数据分布情况。
• 不同值的数量可以为您提供属性分布的粒度概念。

点击类别属性。此属性为名义类型。查看“选定属性面板”。

Weka类别属性摘要

现在我们可以看到，对于名义属性，我们得到一个包含每个类别以及属于每个类别的实例数量的列表。还提到了权重，目前我们可以忽略它。如果我们要为数据集中的特定属性值或实例分配更多或更少的权重，则会使用此功能。

单变量属性分布

每个属性的分布都可以绘制成图，以提供对分布的视觉定性理解。

当您在“预处理”选项卡中选择一个属性时，Weka会自动提供这些图。

我们可以接着上一节继续，我们已经加载了Pima Indians数据集。

点击“属性面板”中的“preg”属性，注意“选定属性”面板下方的图表。您将在x轴上看到从0到17的preg值分布。y轴显示每个preg值的计数或频率。

Weka单变量属性分布

请注意，红色和蓝色分别代表正类和负类。颜色会自动分配给每个分类值。如果类值有三个类别，我们将看到由三种颜色而不是两种颜色分解的preg分布。

这对于快速了解给定属性的问题是否容易分离很有用，例如，所有红色和蓝色对于单个属性都清晰分离。点击“属性”列表中的每个属性并查看图表，我们可以看到类之间没有如此容易的分离。

通过点击单变量图上方的“全部可视化”按钮，我们可以快速概览数据集中所有属性的分布以及按类别划分的分布。

Weka所有单变量属性分布

查看这些图表，我们可以发现关于此数据集的一些有趣之处。

• plas、pres和mass属性看起来呈近似高斯分布。
• pres、skin、insu和mass的值在0处看起来格格不入。

查看此类图表并记录下浮现的想法，可以为您提供进一步数据准备操作（例如将0值标记为损坏）的思路，甚至可能是有用的技术（例如假设输入变量呈高斯分布的线性判别分析和逻辑回归）。

可视化属性交互

到目前为止，我们只关注了单个特征的属性，接下来我们将查看属性组合中的模式。

当属性为数值型时，我们可以绘制一个属性与另一个属性的散点图。这很有用，因为它可以突出属性之间关系中的任何模式，例如正或负相关性。

我们可以为所有成对的输入属性创建散点图。这称为散点图矩阵，在对数据进行建模之前对其进行审查可以为进一步的数据预处理技术提供更多线索。

Weka在“可视化”选项卡中默认提供散点图矩阵以供审查。

Weka可视化选项卡

接着上一节继续，在加载了Pima Indians数据集的情况下，点击“可视化”选项卡，并调整窗口大小以便查看所有单个散点图。

Weka散点图矩阵

您可以看到所有属性组合都以系统的方式绘制。您还可以看到每个图出现两次，首先在左上角的三角形中，然后再次在右下角的三角形中，轴翻转。您还可以看到一系列图，从左下角开始并一直延伸到右上角，其中每个属性都与自身绘制。这些可以忽略。

最后，请注意散点图中的点按其类值着色。寻找点中的趋势或模式，例如颜色的清晰分离，是很有益的。

点击一个图表将打开一个新窗口，您可以在其中进一步操作该图表。

Weka单个散点图

请注意屏幕底部的控件。它们允许您增加图表大小、增加点的大小以及添加抖动。

关于抖动的最后一点很有用，当有很多点相互重叠并且很难看清发生的情况时。抖动会为图表中的数据添加一些随机噪声，稍微分散点，帮助您看清情况。

当您更改这些控件时，点击“更新”按钮以应用更改。

Weka散点图矩阵控件

例如，下面是相同的图，但点尺寸更大，使得更容易看到数据中的任何趋势。

Weka改进的散点图矩阵

总结

在这篇文章中，您发现了如何通过查看描述性统计数据和数据可视化来更好地了解您的机器学习数据。

具体来说，你学到了：

• Weka会自动计算每个属性的描述性统计数据。
• Weka允许您轻松查看每个属性的分布。
• Weka提供散点图可视化来查看属性之间的成对关系。

您对Weka中的描述性统计数据和数据可视化或本文有任何疑问吗？请在下面的评论中提出您的问题，我将尽力回答。

探索无需代码的机器学习！

在几分钟内开发您自己的模型

...只需几次点击

在我的新电子书中探索如何实现
使用 Weka 精通机器学习

涵盖自学教程和端到端项目，例如
加载数据、可视化、构建模型、调优等等...

最终将机器学习应用到你自己的项目中

跳过学术理论。只看结果。

查看内容