0

我在找出如何在 Java 代码中使用 WEKA 过滤器时遇到问题。我已经查找了帮助，但由于我使用的是 WEKA 3.8.5 ，它似乎有点过时了。我正在做3测试。测试 1：无过滤器，测试 2：weka.filters.supervised.instance.SpreadSubsample -M 1.0 和测试 3：weka.filters.supervised.instance.Resample -B 1.0 -Z 130.3。

如果我的研究是正确的，我应该像这样导入过滤器。现在我迷失了“-M 1.0”用于SpreadSample（我的抽样测试）和“-B 1.0 -Z 130.3”。重新采样（我的过采样测试）。

import weka.classifiers.trees.J48;
import weka.core.Instances;
import weka.filters.Filter;
import weka.filters.supervised.instance.Resample; 
import weka.filters.supervised.instance.SpreadSubsample;

我在下面编码了测试 1（我的无过滤器测试）

import java.io.FileReader;
import java.util.Random;
import weka.classifiers.Evaluation;
import weka.classifiers.trees.J48;
import weka.core.Instances;


public class Fraud {
    public static void main(String args[])
    {
  
        try {
  
            // Creating J48 classifier for the  tree
            J48 j48Classifier = new J48();
  
            // Setting the path for the dataset
            String FraudDataset = "C:\\Users\\Owner\\Desktop\\CreditCard\\CreditCard.arff";
            BufferedReader bufferedReader
            = new BufferedReader(
                new FileReader(FraudDataset));
            
            

        // Creating the data set instances
        Instances datasetInstances
            = new Instances(bufferedReader);

  
        datasetInstances.setClassIndex(
            datasetInstances.numAttributes() - 1);

        Evaluation evaluation
            = new Evaluation(datasetInstances);

        // Cross Validate Model. 10 Folds
        evaluation.crossValidateModel(
            j48Classifier, datasetInstances, 10,
            new Random(1));
        System.out.println(evaluation.toSummaryString(
            "\nResults", false));
        
        
        
    }

    // Catching exceptions
    catch (Exception e) {
        System.out.println("Error Occured!!!! \n"
                           + e.getMessage());
    }


    System.out.print("DT Successfully executed.");
}
    
}

The results of my code is:
Results
Correctly Classified Instances      284649               99.9445 %
Incorrectly Classified Instances       158                0.0555 %
Kappa statistic                          0.8257
Mean absolute error                      0.0008
Root mean squared error                  0.0232
Relative absolute error                 24.2995 %
Root relative squared error             55.9107 %
Total Number of Instances           284807     

DT Successfully executed.

有没有人知道如何将过滤器和我想要的过滤器设置添加到测试 2 和 3 的代码中？任何帮助将不胜感激。我将多次运行 3 次测试并比较结果。我想看看 3 中什么效果最好。

4

1 回答 1

1

-M 1.0并且-B 1.0 -Z 130.3是您从命令行提供给过滤器的选项。这些过滤器实现了weka.core.OptionHandler提供setOptions和getOptions方法的接口。

例如，SpreadSubsample可以这样实例化：

import weka.filters.supervised.instance.SpreadSubsample;
import weka.core.Utils;
...
SpreadSubsample spread = new SpreadSubsample();
// Utils.splitOptions generates an array from an option string
spread.setOptions(Utils.splitOptions("-M 1.0"));
// alternatively:
// spread.setOptions(new String[]{"-M", "1.0"});

为了应用过滤器，您应该使用FilteredClassifier方法。例如，因为SpreadSubsample你会做这样的事情：

import weka.classifiers.meta.FilteredClassifier;
import weka.classifiers.trees.J48;
import weka.filters.supervised.instance.SpreadSubsample;
import weka.core.Utils;
...
// base classifier
J48 j48 = new J48();
// filter
SpreadSubsample spread = new SpreadSubsample();
spread.setOptions(Utils.splitOptions("-M 1.0"));
// meta-classifier
FilteredClassifier fc = new FilteredClassifier();
fc.setFilter(spread);
fc.setClassifier(j48);

然后评估fc数据集上的分类器对象。

于 2021-12-06T20:04:32.337 回答