1

如果我目前在我的 Java 代码中使用 Weka 决策树（或其他）分类器，如下所示：

// Get training and testing data.
Instances train = new Instances ("from training file");
train.setClassIndex(train.numAttributes() - 1);
Instances test = new Instances ("from testing file");        
test.setClassIndex(test.numAttributes() - 1);

// Set classifier.
Object obj = Class.forName("weka.classifiers.trees.J48").newInstance();
Classifier cls = (Classifier) Class.forName("weka.classifiers.trees.J48").cast(obj);

// Set parameters for classifier.      
String options = ("-C 0.05 -M 2");        
String[] optionsArray = options.split(" ");        
cls.setOptions(optionsArray);        

// Train classifier.    
cls.buildClassifier(train);        
Evaluation eval = new Evaluation(train);

// Test trained classifier.
eval.evaluateModel(cls, test);

如果我想使用元分类器（例如 bagging）来尝试提升结果，会发生什么？在 Weka 的资源管理器中，如果我对训练和测试数据使用 bagging，分类器的参数字符串为：

weka.classifiers.meta.Bagging -P 100 -S 1 -num-slots 1 -I 10 -W weka.classifiers.trees.J48 -- -C 0.25 -M 2

有谁知道这可能是什么代码表示？

理想情况下，我想将分类器和元分类器的类存储在数据库表中，即这样一行：

Object obj = Class.forName("weka.classifiers.trees.J48").newInstance();

变成：

Object obj = Class.forName(classifier.getWekaClass()).newInstance();

如果我将分类器从 J48 切换到 NB，参数也可以在数据库表中列出，以便于更改它们。

我相信这就是我正在寻找的，但是......

http://weka.wikispaces.com/Use+WEKA+in+your+Java+code#Attribute selection-Meta-Classifier

4

1 回答 1

0

javadoc建议您可以使用一种方法来setClassifier()设置要使用的分类器。除此之外，只需实例化类并相应地设置选项即可。

您当然可以将类名存储在数据库中并将它们用作示例。存储参数会有点棘手，因为每个分类器的数量和类型会有所不同——您必须提供一个可以正确序列化和反序列化它们的包装器。

于 2013-04-03T20:44:22.747 回答