Weka1 Use Weka in your Java code文档格式.docx
《Weka1 Use Weka in your Java code文档格式.docx》由会员分享，可在线阅读，更多相关《Weka1 Use Weka in your Java code文档格式.docx（26页珍藏版）》请在冰豆网上搜索。
//settingclassattribute
data.setClassIndex（data.numAttributes（）-1）;
ClassIndex是指示用于分类的目标属性的下标。
在ARFF文件中，它被默认为是最后一
个属性，这也就是为什么它被设置成numAttributes-1.
你必需在使用一个Weka函数（ex:
weka.classifiers.Classifier.buildClassifier（data））之前
设置ClassIndex。
3.5.5和更新的版本
DataSource类不仅限于读取ARFF文件，它同样可以读取CSV文件和其它格式的文件（基
本上Weka可以通过它的转换器（converters）导入所有的文件格式）。
importweka.core.converters.ConverterUtils.DataSource;
DataSourcesource=newDataSource（"
）;
Instancesdata=source.getDataSet（）;
//settingclassattributeifthedataformatdoesnotprovidethis
//information
//E.g.,theXRFFformatsavestheclassattributeinformationaswell
if（data.classIndex（）==-1）
数据库
从数据库中读取数据稍微难一点，但是仍然是很简单的，首先，你需要修改你的
DatabaseUtils.props（自己看一下原文，基本上都有链接）重组（resemble）你的数据库连接。
比如，你想要连接一个MySQL服务器，这个服务器运行于3306端口（默认），MySQLJDBC
驱动被称为Connector/J（驱动类是org.gjt.mm.mysql.Driver）。
假设存放你数据的数据库是
some_database。
因为你只是读取数据，你可以用默认用户nobody，不设密码。
你需要添加
下面两行在你的props文件中:
jdbcDriver=org.gjt.mm.mysql.Driver
jdbcURL=jdbc:
mysql:
//localhost:
3306/some_database
其次，你的读取数据的Java代码，应该写成下面这样：
importweka.experiment.InstanceQuery;
InstanceQueryquery=newInstanceQuery（）;
query.setUsername（"
nobody"
query.setPassword（"
"
query.setQuery（"
select*fromwhatsoever"
//ifyourdataissparse,thenyoucansaysotoo
//query.setSparseData（true）;
Instancesdata=query.retrieveInstances（）;
注意：
别忘了把JDBC驱动加入你的CLASSPATH中
如果你要用MSAccess，你需要用JDBC-ODBC-bridge，它是JDK的一部分。
参数设置（Optionhandling）
Weka中实现了weka.core.OptionHandler接口，这个接口为比如classifiers，clusterers，
filers等提供了设置，获取参数的功能，函数如下：
voidsetOptions（String[]Options）
String[]getOptions（）
下面依次介绍几种参数设置的方法：
手工建立一个String数组
String[]options=newString[2];
options[0]="
-R"
;
options[1]="
1"
用weka.core.Utils类中的函数splitOptions将一个命令行字符串转换成一下数组
String[]options=weka.core.Utils.splitOptions（"
-R1"
用OptionsToCode.java类自动将一个命令行转换成代码，对于命令行中包含nested
classes，这些类又有它们自己的参数，如果SMO的核参数这种情况很有帮助。
javaOptionsToCodeweka.classifiers.functions.SMO
将产生以下输出：
//createnewinstanceofscheme
weka.classifiers.functions.SMOscheme=new
weka.classifiers.functions.SMO（）;
//setoptions
scheme.setOptions（weka.core.Utils.splitOptions（"
-C1.0-L0.0010-P
1.0E-12-N0-V-1-W1-K\"
weka.classifiers.functions.supportVector.PolyKernel-C250007-E
1.0\"
））;
并且，OptionTree.java工具可以使你观察一个nested参数字符串。
Filter
一个filter有两种不同的属性
监督的或是监督的（supervisedorunsupervised）
是否受用户控制
基于属性的或是基于样本的（attribute-orinstance-based）
比如：
删除满足一定条件的属性或是样本
多数filters实现了OptionHandler接口，这意味着你可以通过String数组设置参数，而不用
手工地用set-方法去依次设置。
比如你想删除数据集中的第一个属性，你可用这个filter。
weka.filters.unsupervised.attribute.Remove
通过设置参数
-R1
如果你有一个Instances对象，比如叫data，你可以用以下方法产生并使用filter：
importweka.filters.Filter;
importweka.filters.unsupervised.attribute.Remove;
Removeremove=newRemove（）;
remove.setOptions（options）;
//"
range"
//firstattribute
//newinstanceoffilter
//informfilteraboutdataset//**AFTER**settingoptions
remove.setInputFormat（data）;
InstancesnewData=Filter.useFilter（data,remove）;
//applyfilter
运行中过滤（Filteringon-the-fly）
FilteredClassifiermeta-classifier是一种运行中过滤的方式。
它不需要在分类器训练之
前先对数据集过滤。
并且，在预测的时候，你也不需要将测试数据集再次过滤。
下面的例子
中使用meta-classifierwithRemovefilter和J48，删除一个attributeID为1的属性。
//informfilteraboutdataset**AFTER**settingoptions
importweka.classifiers.meta.FilteredClassifier;
importweka.classifiers.trees.J48;
Instancestrain=...
Instancestest=...
//filter
Removerm=newRemove（）;
rm.setAttributeIndices（"
//classifier
J48j48=newJ48（）;
j48.setUnpruned（true）;
//fromsomewhere
//remove1stattribute
//usinganunprunedJ48
//meta-classifier
FilteredClassifierfc=newFilteredClassifier（）;
fc.setFilter（rm）;
fc.setClassifier（j48）;
//trainandmakepredictions
fc.buildClassifier（train）;
for（inti=0;
i<
test.numInstances（）;
i++）{
doublepred=fc.classifyInstance（test.instance（i））;
System.out.printn（"
ID:
"
+test.instance（i）.value（0））;
System.out.print（"
actual:
+test.classAttribute（）.value（（int）
test.instance（i）.classValue（）））;
System.out.println（"
predicted:
+
test.classAttribute（）.value（（int）pred））;
}
其它Weka中便利的meta-schemes:
weka.clusterers.FilteredClusterer（since3.5.4）
weka.associations.FilteredAssociator（since3.5.6）
批过滤（Batchfiltering）
在命令行中，你可以用-b选项enable第二个input/ouput对，用对第一个数据集过滤
的设置来过滤第二个数据集。
如果你正使用特征选择（attributeselection）或是正规化
（standardization），这是必要的，否则你会得到两个不兼容的数据集。
其实这做起来很容易，
只需要用setInputFormat（Instances）去初始化一个过滤器，即用trainingset，然后将这个过
滤器依次用于trainingset和testset。
下面的例子将展示如何用Standardize过滤器过滤一
个训练集和测试集的。
//initializingthefilteroncewithtrainingset
Standardizefilter=newStandardize（）;
filter.setInputFormat（train）;
//configurestheFilterbasedontraininstancesandreturnsfiltered
//instances
InstancesnewTrain=Filter.useFilter（train,filter）;
//createnewtestset
InstancesnewTest=Filter.useFilter（test,filter）;
调用转换（Callingconventions）
setInputFormat（Instances）方法总是必需是应用过滤器时最后一个调用，比如用
Filter.useFilter（Instances,Filter）。
为什么？
首先，它是使用过滤器的转换，其实，很多过滤
器在setInputFormat（Instances）方法中用当前的设置参数产生输出格式（outputformat）（在
这个调用后设置参数不再有任何作用）。
分类（classification）
一些必要的类可以在下面的包中找到：
weka.classifiers
建立一个分类器（Buildaclassifier）
批（Batch）
在一个给定的数据集上训练一个Weka分类器是非常简单的事。
例如，我们可以训练一
个C4.5树在一个给定的数据集data上。
训练是通过buildClassifier（Instances）来完成的。
String[]options=newString[1];
-U"
J48tree=newJ48（）;
tree.setOptions（options）;
tree.buildClassifier（data）;
//unprunedtree
//newinstanceoftree
//settheoptions
//buildclassifier
增量式（Incremental）
实现了weka.classifiers.UpdateabeClassifier接口的分类器可以增量式的训练，它可以节
约内存，因为你不需要把数据一次全部读入内存。
你可以查一下文档，看哪些分类器实现了
这个接口。
真正学习一个增量式的分类器是很简单的：
调用buildClassifier（Instances），其中Instances包话这种数据集的结构，其中Instances
可以有数据，也可以没有。
顺序调用updateClassifier（Instances）方法，通过一个新的weka.core.Instances，更新分
类器。
这里有一个用
weka.core.converters.ArffLoader
读取数据，并用
weka.classifiers.bayes.NaiveBayesUpdateable训练分类器的例子。
//
loaddata
ArffLoaderloader=newArffLoader（）;
loader.setFile（newFile（"
Instancesstructure=loader.getStructure（）;
structure.setClassIndex（structure.numAttributes（）-1）;
//trainNaiveBayes
NaiveBayesUpdateablenb=newNaiveBayesUpdateable（）;
nb.buildClassifier（structure）;
Instancecurrent;
while（（current=loader.getNextInstance（structure））!
=null）
nb.updateClassifier（current）;
Evaluating
交叉检验
如果你一个训练集并且没有测试集，你也话想用十次交叉检验的方法来评价分类器。
这
可以很容易地通过Evaluation类来实现。
这里，我们用1作为随机种子进行随机选择，查
看Evaluation类，可以看到更多它输出的统计结果。
importweka.classifiers.Evaluation;
importjava.util.Random;
Evaluationeval=newEvaluation（newData）;
eval.crossValidateModel（tree,newData,10,newRandom
（1））;
分类器（在这个例子中是tree）不应该在作为crossValidateModel参数之前训练，
因为每当buildClassifier方法被调用时，一个分类器必需被重新初始化（换句话说：
接下来调用buildClassifier方法总是返回相同的结果），你将得到不一致，没有任何意义的
结果。
crossValidateModel方法处理分类器的training和evaluation（每一次cross-validation，
它产生一个你作为参数的原分类器的复本（copy））。
Train/Setset
如果你有一个专用的测试集，你可以在训练集上训练一个分类器，再在测试集上测试。
在下
面的例子中，一个J48被实例化，训练，然后评价。
在控制台输出一些统计值。
//trainclassifier
Classifiercls=newJ48（）;
cls.buildClassifier（train）;
//evaluateclassifierandprintsomestatistics
Evaluationeval=newEvaluation（train）;
eval.evaluateModel（cls,test）;
System.out.println（eval.toSummaryString（"
\nResults\n======\n"
false））;
统计（statistics）
下面是一些获取评价结果的方法
数值型类别
Ø
Correct（）分类正确的样本数（还有incorrect（））
pctCorrect（）分类正确的百分比（还有pctIncorrect（））
kappa（）Kappastatistics
离散型类别
correlationCoefficient（）相关系数
通用
meanAbsoluteError（）平均绝对误差
rootMeanSquaredError（）均方根误差
unclassified（）未被分类的样本数
pctUnclassified（）未被分类的样本百分比
如果你想通过命令行获得相同的结果，使用以下方法：
-t"
/some/where/somefile.arff"
System.out.println（Evaluation.evaluateModel（newJ48（）,options））;
ROC曲线/AUC（ROCcurves/AUC）
从Weka3.5.1开始，你可以在测试中产生
升级会员 