概观

我知道可以通过GUI和命令行选项在训练有素的WEKA模型中获得每个预测的百分比,如文档文章“Making predictions“中所方便解释和演示的那样.

预测

我知道有三种方法可以获得这些预测：

我有一个训练有素的.MODEL文件,现在我想用新的实例和预测百分比一起分类新的实例,类似于下面的预测百分比(GUI格式的输出,CSV格式)：

inst#,actual,predicted,error,distribution,

1,1:0,2:1,+,0.399409,*0.7811

2,1:0,2:1,+,0.3932409,*0.8191

3,1:0,2:1,+,0.399409,*0.600591

4,1:0,2:1,+,0.139409,*0.64

5,1:0,2:1,+,0.399409,*0.600593

6,1:0,2:1,+,0.3993209,*0.600594

7,1:0,2:1,+,0.500129,*0.600594

8,1:0,2:1,+,0.399409,*0.90011

9,1:0,2:1,+,0.211409,*0.60182

10,1:0,2:1,+,0.21909,*0.11101

预测列是我想从.MODEL文件中获取的.

我知道的

根据我对WEKA API方法的经验,可以使用以下代码(插入到Evaluation对象中的PlainText)获得这些预测但是我不想进行Evaluation对象提供的k-fold交叉验证.

StringBuffer predictionSB = new StringBuffer();

Range attributesToShow = null;

Boolean outputDistributions = new Boolean(true);

PlainText predictionOutput = new PlainText();

predictionOutput.setBuffer(predictionSB);

predictionOutput.setOutputDistribution(true);

Evaluation evaluation = new Evaluation(data);

evaluation.crossValidateModel(j48Model, data, numberOfFolds,

randomNumber, predictionOutput, attributesToShow,

outputDistributions);

System.out.println(predictionOutput.getBuffer());

来自WEKA文档

请注意,.0000和“Serialization“ a.k.a中讨论了.MODEL文件对.ARFF或相关输入的数据进行分类.“如何在您自己的Java代码中使用.MODEL文件对新实例进行分类”(为什么模糊标题为smfh).

使用自己的Java代码进行分类

加载.MODEL文件是通过“反序列化”,以下是版本> 3.5.5：

// deserialize model

Classifier cls = (Classifier) weka.core.SerializationHelper.read("/some/where/j48.model");

实例对象是数据,它被提供给classifyInstance.此处提供输出(取决于结果属性的数据类型)：

// classify an Instance object (testData)

cls.classifyInstance(testData.instance(0));

的Javadoc

我已经检查了Classifier的Javadocs(经过训练的模型)和Evaluation(以防万一),但没有一个直接明确地解决了这个问题.

唯一最接近我想要的是分类器的classifyInstances方法：

Classifies the given test instance. The instance has to belong to a dataset when it’s being classified. Note that a classifier MUST implement either this or distributionForInstance().

如何使用我自己的Java代码(也就是使用WEKA API)同时使用WEKA .MODEL文件来分类和获取新实例的预测？