Weka开发[10]—NBTree源码介绍
博客专区 > pior 的博客 > 博客详情
Weka开发[10]—NBTree源码介绍
pior 发表于2年前
Weka开发[10]—NBTree源码介绍
  • 发表于 2年前
  • 阅读 60
  • 收藏 0
  • 点赞 0
  • 评论 0

我不多的读者之一发E-mail给我,说他没有看出NBTreeJ48的区别是什么,当时我也没什么空,所以拖到今天才草草看了看。大概讲一下。

       下面是J48中的buildClassifier代码:

public void buildClassifier(Instances instances) throws Exception {
 
    ModelSelection modSelection;
 
    if (m_binarySplits)
        modSelection = new BinC45ModelSelection(m_minNumObj, instances);
    else
       modSelection = new C45ModelSelection(m_minNumObj, instances);
    if (!m_reducedErrorPruning)
       m_root = new C45PruneableClassifierTree(modSelection, 
!m_unpruned,m_CF, m_subtreeRaising, !m_noCleanup);
    else
       m_root = new PruneableClassifierTree(modSelection, 
!m_unpruned,m_numFolds, !m_noCleanup, m_Seed);
       m_root.buildClassifier(instances);
}


    下面是NBTree中的buildClassifier代码:

public void buildClassifier(Instances instances) throws Exception {
    
    NBTreeModelSelection modSelection = 
        new NBTreeModelSelection(m_minNumObj, instances);
 
    m_root = new NBTreeClassifierTree(modSelection);
    m_root.buildClassifier(instances);
}


这里有一个比较特殊的ModelSelection类,这个类以前没提过,它是决定树的模型类,比如上面J48代码中的BinC45ModelSelection表示对于连续属性,分裂时它只分出两个子结点。多扯两句,其实BinC45ModelSelectionC45ModelSelection类,包括以后要讲的NBTreeModelSelection内容都差不多,***ModelSelection类中的selectModel函数返回一个ClassifierSplitModel对象,ClassifierSplitModel故名思意是如何分裂的一个模型。

从上面讲的我们已经可以看出J48NBTree在代码中选择了不同的构造树的模型,当然它们是不同的(当然这更是一句废话),另一点值得说的是在J48m_minNumObj默认值是2,而在NBTreem_minNumObj的默认值是30

考虑到NBTree也不是什么经典算法,有人可能不知道是怎么回事,大概讲一下:与决策树的构造方法相似(认为相同也可以)先构造出一个决策树,再在每一个叶子结点构造一个贝叶斯分类器(这也就是为什么默认m_minNumObj30原因)。具体的内容见论文:Scaling Up the Accuracy of Naive-Bayes Classifiers: A Decision-Tree Hybrid

我们先看一下NBTreeModelSelection类,找到selectModel函数,刚才说这个函数与别的***MocelSelection差不多,我也是有根据,可以看到NBTreeModelSelection中的两个警告,这两个变量在NBTreeModelSelection中是没用的,明显是拷贝的。请注意下面三个变量:

NBTreeSplit[] currentModel;
    NBTreeSplit bestModel = null;
NBTreeNoSplit noSplitModel = null;


    NBTreeSplitNBTreeNoSplit都继承自ClassifierSplitModelselectModel函数中注释也不少,我也不解释代码了,大概就是:比如在样本都属于一个样本这种情况就不分裂了,那么就返回noSplitModel对象,否则,针对第j个属性,调currentModel[i].buildClassifier函数,最后根据getErrors来决定哪一个属性是最好的分裂属性。

    到现在为止,列出来的代码的确与J48差不多,它们的主要区别是在NBTreeNoSplit类中。下面先列出J48中所用的NoSplit类中的buildClassifer函数:

public final void buildClassifier(Instances instances) 
throws Exception {
    m_distribution = new Distribution(instances);
    m_numSubsets = 1;
}


    再列出NBTreeNoSplit类中的buildClassifer函数:

public final void buildClassifier(Instances instances) throws Exception {
    m_nb = new NaiveBayesUpdateable();
    m_disc = new Discretize();
    m_disc.setInputFormat(instances);
    Instances temp = Filter.useFilter(instances, m_disc);
    m_nb.buildClassifier(temp);
    if (temp.numInstances() >= 5) {
       m_errors = crossValidate(m_nb, temp, new Random(1));
    }
    m_numSubsets = 1;
}


区别还是挺明显的,除了m_numSubset=1这个标志是叶子结点的语句。在NBTreeNoSplit类的buildClassifier中,在叶子结点构造一个m_nb Naive Bayes分类器,不过又说回来,讲了半天,也就是这一点点区别产生了NBTree这个新的分类器。

m_root是一个NBTreeClassifierTree对象,我们再看一下NBTreeClassifierTree对象,我们直接看 buildClassifier函数:

public void buildClassifier(Instances data) throws Exception {
    super.buildClassifier(data);
   cleanup(new Instances(data, 0));
   assignIDs(-1);
}


    可以看到它直接调用的父类的buildClssifier,而它的父类就是ClassifierTree,在J48中同样使用的是ClssifierTree类。

    对于分类一个样本,在NBTreeclassifyInstance函数中,返回:

return m_root.classifyInstance(instance);


    刚才说对m_root是一个NBTreeClassifierTree对象,但NBTreeClassifier没有实现classifyInstance函数,那么m_root调用的classifyInstance实际上是ClassifierTree类的函数。在其classifyInstance中:

for (j = 0; j < instance.numClasses(); j++) {
    currentProb = getProbs(j, instance, 1);
    if (Utils.gr(currentProb, maxProb)) {
       maxIndex = j;
       maxProb = currentProb;
    }
}


这一段代码没什么意思,样本属于哪个类别概率最高,那么它就被分类为该类别。这里面的getProbs函数中才是我们关心的:

private double getProbs(int classIndex, Instance instance, double weight)
throws Exception {
 
    double prob = 0;
 
    if (m_isLeaf) {
       return weight * localModel().classProb(classIndex, instance, -1);
    } else {
       int treeIndex = localModel().whichSubset(instance);
       if (treeIndex == -1) {
           double[] weights = localModel().weights(instance);
           for (int i = 0; i < m_sons.length; i++) {
              if (!son(i).m_isEmpty) {
              prob += son(i).getProbs(classIndex, instance, 
weights[i] * weight);
              }
           }
           return prob;
       } else {
           if (son(treeIndex).m_isEmpty) {
return weight * localModel().classProb(classIndex, 
instance, treeIndex);
           } else {
              return son(treeIndex).getProbs(classIndex, 
instance, weight);
           }
       }
    }
}


    如果不是叶子结点:先得到这个样本属于应该是哪个子结点的,如果treeIndex=-1表示这个属属性值是缺失的,计算它的方法就是用对每个子结点分开算,再加起来。如果不是缺失的,如果子结点是空的,与是子结点的计算方法相同,否则,递归。

    如果是叶子结点:localModel返回的是ClassifierSplitModel对象,该对象调用classProb函数,我们看一下NBTreeNoSplit函数的classProb函数:

public double classProb(int classIndex, Instance instance, int theSubset)
throws Exception {
m_disc.input(instance);
    Instance temp = m_disc.output();
    return m_nb.distributionForInstance(temp)[classIndex];
}


    刚才所提到的m_nb这个Naive Bayes分类器调用distributionForInstanceNBTree差不多讲完了,最后来点打击人的,我真感觉这个分类器没有太大的必要搞懂,不过提出它的作者我认为算是一个想象力丰富的人,至于NBTree 的应用,我仅知道它在VFDTc中用到了,还在它的几个改进版中用到过,其它的用到它的地方我也不知道,有人知道,请告诉我。


共有 人打赏支持
粉丝 25
博文 151
码字总数 22496
×
pior
如果觉得我的文章对您有用,请随意打赏。您的支持将鼓励我继续创作!
* 金额(元)
¥1 ¥5 ¥10 ¥20 其他金额
打赏人
留言
* 支付类型
微信扫码支付
打赏金额:
已支付成功
打赏金额: