В настоящее время я использую scikit-multilearn для классификации нескольких меток. Я должен использовать
meka.classifiers.multilabel.CM в качестве meka_classifier.
Но когда я запускаю свой код, я получаю разные ошибки и не понимаю, почему ..
meka = Meka(
meka_classifier="meka.classifiers.multilabel.meta.CM",
weka_classifier = "weka.classifiers.trees.J48",
meka_classpath = meka_classpath#, #obtained via download_meka
)
print("Fit")
meka.fit(X_train, y_train)
Я должен сказать, что рабочие и пути (Weka & Java (через wichcraft)) работают. Если я обменяю meka_classifier на BR, все работает.
После запуска кода я получаю следующее сообщение об ошибке:
weka.core.UnsupportedAttributeTypeException: weka.classifiers.trees.J48: Cannot handle numeric class!
at weka.core.Capabilities.test(Capabilities.java:1067)
at weka.core.Capabilities.test(Capabilities.java:1256)
at weka.core.Capabilities.test(Capabilities.java:1138)
at weka.core.Capabilities.testWithFail(Capabilities.java:1468)
at weka.classifiers.trees.J48.buildClassifier(J48.java:277)
at meka.classifiers.multilabel.meta.CM.buildClassifier(CM.java:50)
at meka.classifiers.multilabel.Evaluation.runExperiment(Evaluation.java:229)
at meka.classifiers.multilabel.ProblemTransformationMethod.runClassifier(ProblemTransformationMethod.java:172)
at meka.classifiers.multilabel.ProblemTransformationMethod.evaluation(ProblemTransformationMethod.java:152)
at meka.classifiers.multilabel.meta.CM.main(CM.java:83)
Странно, что в нем говорится, что он не может обрабатывать числовые значения, потому что, если я перехожу на BR, у классификатора не возникает проблем с (одинаковыми) данными.
Над сообщением об ошибке также есть текст о том, как использовать классификатор (параметры). Поэтому я попробовал это по-другому:
meka = Meka(
meka_classifier = "meka.classifiers.multilabel.meta.CM -I 10 -W meka.classifiers.multilabel.CC - -S 0 -W weka.classifiers.trees.J48",
#weka_classifier = "weka.classifiers.trees.J48",
meka_classpath = meka_classpath#, #obtained via download_meka
)
print("Fit Data")
meka.fit(X_train, y_train)
print("Predict")
prediction = meka.predict(x_test)
Командная строка с weka_classifier есть, потому что я пробовал это по-разному (исключил J48 из meka_classifier и включил его туда).
В любом случае, я всегда получаю ту же ошибку:
Traceback (most recent call last):
File "C:/Users/*****/Desktop/MachineLearningClassifier/blabla.py", line 72, in <module>
prediction = meka.predict(x_test)
File "D:\Users\*****\AppData\Local\Programs\Python\Python36\lib\site-packages\skmultilearn\ext\meka.py", line 314, in predict
self._parse_output()
File "D:\Users\*****\AppData\Local\Programs\Python\Python36\lib\site-packages\skmultilearn\ext\meka.py", line 374, in _parse_output
predictions = self.output_.split(predictions_split_head)[1].split(
IndexError: list index out of range
Я искал эту ошибку и там, где люди установили arff вместо liac-arff, но здесь это не так. И да, как я уже сказал, если я перехожу на BR или что-то еще, все работает. Это просто не работает с CM. Я не знаю, что делать сейчас ... Я надеюсь, что кто-то может помочь. Заранее спасибо!
С наилучшими пожеланиями
EDIT:
После подгонки () я позволил мне напечатать meka.classifier_dump , и, используя второй код, который я разместил, он пуст! Я проверял это с другими, такими как BR, и там не пусто. Итак, я полагаю, что я делаю что-то не так при создании классификатора?