分类器学习(二)

 内容：使用线性回归训练CPU数据集，并评估分类器性能

 ---->加载数据文件，切换至分类器面板,选择functions条目下的LinearRegression分类器，保持默认参数不变，开始启动训练

----->从结果可以看出，LinearRegression分类器构建了一个回归公式，交叉验证显示性能不佳。

----->接下来我们试试另一种分类器-----M5P

------>从上图可以看出，M5P是决策树方案和线性回归方案的结合体。前半部分使用剪枝的决策树，后半部分则使用线性回归。

------>下面我们选择Visualize tree菜单项，显示出决策树的可视化结果

----->为了对两个分类器的性能能有一个直观的认识，使用可视化方法来观察两个学习方案的误差。如下图所示

                   图1  LinearRegression误差

                                图2     M5P误差

------>从上图可以看出，图1 的小叉数量多于图2的小叉数量，说明M5P的性能优于LinearRegression