我是Weka 3.7.9的新手。我有一个arff文件，其中包含这些属性，类和数据:http://pastebin.com/s8hivv0U
表示Android项目的文件。1-9。属性是不同类型的度量:
- lloc -逻辑代码行
- nid - id个数
- nle -嵌套级别
- nel -元素数
- nip -输入元素个数
- activities -来自AndroidManifest 的activity数
- inside-permissions -来自AndroidManifest 的内部权限数
- outside-permissions -来自AndroidManifest的外部权限数
- all-permissions -来自AndroidManifest的权限数
- 类{4,4.6,3.8,2.6。5、3.2、3.6、4.2、4.1}
最后一个类包含项目的Google Play评级。
所以每一行都是android项目。(当然，原来的*。Arff文件包含更多项目…)
我想用学习算法分析数据。预测值从1到9。我想确定，哪些预测因素最能影响Google Play的评级。
我该怎么做呢?最好的方法是什么?如果可以的话，我想请你给我解释一下。
提前感谢，彼得。
类别类型
首先，如果你想让你的输出是连续的，我建议你把你的class类型改为numeric。否则，我建议将类标签类型保持为nominal(就像您现在拥有的那样)，但将您的评级更改为{1, 2, 3, 4, 5}。
如果您更改为数字输出(例如，您可以给出4.5颗星的预测)，那么您将需要使用能够处理数字类的分类器。
使用Weka我建议看一下文档，学习更多关于使用Weka的知识，可能是通过一些教程。例如，在双击arff文件之后，您应该在Classify选项卡中完成大部分工作。选择分类器，然后选择Start。
分类
回归
回归，特别是线性回归是很好的，因为它很容易解释，因为它只是为你的每个属性分配一个权重，并使用这些权重的乘法和加法来给出一个输出。
我使用了您的示例文件并使用LinearRegression对其进行了测试，但是由于样本如此之少，它确定最佳模型只是简单地输出3.9667作为评级，这将给您0.4722的平均绝对误差。
不满意，接下来我尝试SimpleLinearRegression，它给出了一个模型-0.02 * activites + 4.13，并将给出0.472的平均绝对误差。
SMOreg给出了以下模型
weights:
+ 0.1147 * (normalized) lloc
- 0.0404 * (normalized) nid
- 0.1662 * (normalized) nle
- 0.0647 * (normalized) nel
+ 0.3385 * (normalized) nip
- 0.1352 * (normalized) activites
- 0.019 * (normalized) inside-permissions
- 0.0464 * (normalized) outside-permissions
+ 0.1602 * (normalized) all-permissions
+ 0.5921
，平均绝对误差为0.3859。但在这一点上，我认为只有这么少的数据点，你是过度拟合你的数据。
使用k近邻可能是一个可行的方法，如果你有更多的数据(在Weka中它被称为KStar)。
决策树
DecisionStump算法输出该模型的平均绝对误差为0.3424，但同样可能是过拟合。
inside-permissions <= 1.5 : 2.6
inside-permissions > 1.5 : 4.090909090909091
inside-permissions is missing : 3.966666666666667
正如您所看到的，考虑到您只有12个数据点，模型和错误率并不是那么高。要建立一个真正好的模型，你需要更多的数据。为了准确地了解模型的运行情况，您不仅需要有足够的数据进行训练，还需要有足够的数据作为单独的测试集，仅用于测试模型的性能。