5
Ich versuche, die relativen Raten verschiedener Algorithmen in den C# - und F # -Reichweiten mithilfe von WekaSharp zu bewerten, und einer der Algorithmen, an denen ich interessiert war, waren Markov-Ketten. Ich weiß, dass Weka eine HMM-Anwendung hat, aber ich konnte das nicht in WekaSharp implementieren und fragte mich, ob es eine Möglichkeit gäbe, den J48-Algorithmus für diesen Zweck zu modifizieren. Ich weiß, dass es eine gewisse Ähnlichkeit zwischen J48 und Markov-Ketten erster Ordnung gibt, aber ich versuche herauszufinden, was geändert werden muss und ob dies sinnvoll ist. Hier ist die J48 wie in WekaSharp von Yin Zhu implementiert:Unterschied zwischen J48- und Markov-Ketten
type J48() =
static member DefaultPara = "-C 0.25 -M 2"
static member MakePara(?binarySplits, ?confidenceFactor, ?minNumObj, ?unpruned, ?useLaplace) =
let binarySplitsStr =
let b = match binarySplits with
| Some (v) -> v
| None -> false
if not b then "-B" else ""
let confidenceFactorStr =
let c = match confidenceFactor with
| Some (v) -> v
| None -> 0.25 // default confi
"-C " + c.ToString()
let minNumObjStr =
let m = match minNumObj with
| Some (v) -> v
| None -> 2
"-M " + m.ToString()
let unprunedStr =
let u = match unpruned with
| Some (v) -> v
| None -> false
if u then "-U" else ""
let useLaplaceStr =
let u = match useLaplace with
| Some (v) -> v
| None -> false
if u then "-A" else ""
binarySplitsStr + " " + confidenceFactorStr + " " + minNumObjStr + " " + unprunedStr + " " + useLaplaceStr
Vielen Dank.
Ich denke, J48 ein statistischer Klassifizierer ist die Verwendung von statistischen Verteilungen, aber Markov-Ketten ist eine FSM, die trainiert werden können Statistiken mit –
@KhaledAKhunaifer von FSM Sie Finite State Machine bedeuten ? –
@VitalijZadneprovskij Ja, es ist mit einem 1D Array Alpha für den Startzustand und Beta 2D Array für den Übergang zwischen den Zuständen implementiert –