Weka中加载天气数据集（weather.nominal.arff），打开IBk分类器。利用AddNoise过滤器向其中添加噪声，将K-NN参数设置为5，将分类噪声百分比Percent设置为30%。运行分类器，则以下描述错误的是()
类别属性值为“no”的5个样本有1个被错误分类
举一反三
- Weka中加载天气数据集(weather.nominal.arff),打开IBk分类器。利用AddNoise过滤器向其中添加噪声,将K-NN参数设置为5,将分类噪声百分比Percent设置为30%。运行分类器,则以下描述错误的是()。 A: 分类器正确分类百分比为71.4286% B: 分类器均方根误差为0.4208 C: 类别属性值为“yes”的9个样本全部正确分类 D: 类别属性值为“no”的5个样本有1个被错误分类
- Weka中加载天气数据集（weather.nominal.arff），打开IBk...%。运行分类器，则以下描述错误的是（）。
- Weka中以玻璃数据集（glass.arff）为例，利用AddNoise过滤器向其中添加噪声的步骤是（）。
- Weka中运行SMO分类器，将PolyKernel多项式核函数的指数（Exponent）设置为1，则以下描述正确的是（）。
- Weka中加载鸢尾花数据集（iris.arff），iris数据包含三个类别值，运行SMO分类器（）。
内容
- 0
根据J48分类器训练天气数据集（weather.nominal.arff）所生产...ndy=FALSE时，分类的结果是（）。
- 1
使用IBk分类器和SMO分类器对vote.arff分别进行分类，由其输出的结果可知（）。 A: IBk正确分类百分比比SMO大 B: IBk对republican的分类正确率比SMO大 C: SMO对democrat的分类正确率比IBk小 D: SMO对democrat和republican的分类正确率都比IBk大
- 2
最近邻分类器易受噪声或异常点数据的影响，为了降低噪声或异常点的影响，可以采用K近邻分类器，并且K值取值越大，分类器的性能越鲁棒。
- 3
Weka中运行SMO分类器,将PolyKernel多项式核函数的指数(Exponent)设置为1,则以下描述正确的是()。 A: 超平面表示为支持向量的函数 B: SVM为线性支持向量机 C: 分类器运行后会输出2个三元SMO模型 D: SVM为非线性支持向量机
- 4
Weka中仅在训练数据中添加噪声而测试数据不受影响的元学习器为（）。