Weka中的merit评判准则具体含义及取值规则是什么？

核心定义 #

Merit是Weka属性选择模块中，属性评估器（Attribute Evaluator）针对当前属性/属性子集输出的质量量化分，核心作用是衡量该属性/属性子集对后续建模任务的适配能力，不同评估器的计算逻辑存在差异：

• 最常用的CfsSubsetEval（关联特征子集评估器）：Merit计算公式为「属性子集与分类标签的相关性总和」除以「属性子集内部两两相关性总和的平方根」，核心逻辑是鼓励属性和标签的高关联，同时惩罚属性之间的冗余。
• WrapperSubsetEval（包裹式评估器）：Merit值直接等于使用当前属性子集训练指定分类器的交叉验证性能（默认是分类准确率）。
• InfoGainAttributeEval/GainRatioAttributeEval等单属性评估器：Merit值对应单属性的信息增益/增益率，衡量单个属性能够为分类任务提供的信息量。

优劣判断标准 #

Weka所有内置属性评估器的Merit值全部为越高越好，没有越低越好的场景。
属性搜索算法（比如BestFirst、GreedyStepwise）的运行逻辑就是遍历所有可能的属性组合，最终输出Merit值最高的属性子集作为最优结果。

注意：不同评估器的Merit值没有横向可比性，例如CfsSubsetEval输出的Merit取值范围多在0~1区间，和WrapperSubsetEval输出的准确率Merit计算逻辑完全不同，仅能在同一评估器的前提下对比不同属性子集的优劣。

内容的提问来源于stack exchange，提问作者Ismael Ouarit