扫码加入数据分析学习群

OneR是“一个规则”的缩写，是一种简单但准确的分类算法， 它为数据中的每个预测变量生成一个规则，然后选择总误差最小的规则作为其“一个规则”。 为了为预测器创建规则，我们为每个预测器构建一个针对目标的频率表。已经表明，OneR产生的规则仅比现有技术的分类算法稍微不准确，同时产生了易于人类解释的规则。

OneR算法

对于每个预测变量，

对于该预测变量的每个值，按如下方式制定规则;

计算目标（类）的每个值出现

的频率查找最频繁的类

使规则将该类分配给此预测变量值

计算每个预测变量的规则的总误差

选择总误差最小的预测变量。

例：

使用基于相关频率表的OneR算法找到具有最小总误差的最佳预测器。

最好的预测因素是：

预测者的贡献

简单地说，从频率表计算的总误差是每个预测器贡献的度量。总误差较低意味着对模型可预测性的贡献较大。

模型评估

以下混淆矩阵显示出显着的可预测性。OneR不会产生分数或概率，这意味着评估图表（增益，升力，KS和ROC）不适用。