Weka manual 3.6翻譯: 16.4 隨機化數據

更好的排版點這裏

16.4 隨機化數據

由於學習算法容易出現按數據到達的順序來操做，所以隨機（也稱爲「洗牌」）是一種常見的方法來緩解這個問題。特別是重複的隨機化，例如，在交叉驗證時，有利於產生更逼真的統計數據。

WEKA提供了兩種可能性進行數據集隨機化：

•       使用weka.core.Instances對象的 randomize(Random)方法，weka.core.Instances對象自己包含數據。這個方法須要一個java.util.Random類的實例。 下面解釋如何正確地實例化這樣一個對象。

•       使用 Randomize 過濾器（ weka.filters.unsupervised.instance包）。有關如何使用過濾器的更多信息，請參閱第16.5節。

機器學習實驗一個很是重要的方面是實驗必須是可重複的。在相同的實驗設置狀況下，後續的實驗運行必須獲得徹底相同的結果。這可能看起來難以想象，但在這種狀況下，隨機化仍然是可能的。不管如何，隨機數生成永遠不會返回一個徹底隨機的數字序列，只會獲得一個僞隨機的序列。爲了實現可重複的僞隨機序列， 將使用給定種子 的生成器。使用相同的 種子值 將會獲得相同的序列。

java.util.Random（隨機數生成器類）中的默認構造函數不該該使用，由於這樣構造出來的對象最有可能產生不一樣的序列。構造函數 Random(long)使用指定的種子值，推薦使用。

爲了獲得與數據集更相關的數據隨機化，能夠使用weka.core.Instances類的getRandomNumberGenerator(int)方法。該方法返回一個java.util.Random對象，生成這個對象所使用的的種子是，提供的種子與Instances對象隨機選擇的一個weka.core.Instance（選擇時使用一個隨機數發生器，其使用的種子是提供給此方法種子）的字符串表示的哈希值的和。