1.参数设置(这两个参数我不怎么清楚什么意思，查了半天也没查到，有谁知道的务必不吝指教！！)

-K -- Use a kernel density estimator for numeric attributes rather than a normal distribution.对数值属性使用核密度估计代替正态分布

-D -- Use

supervised discretization to convert numeric attributes to nominal

ones.

这两者只能2选一

2.一开始加载arff文件是报错

原来是文件中属性有重名的，修改一下即可。

3.如果直接运行的话会因为内存不够而产生异常(数据量太大)

Exception in thread "main"

java.lang.OutOfMemoryError: Java heap space

at weka.core.Instances.sort(Instances.java:1231)

at weka.core.Instances.sort(Instances.java:1251)

at

weka.classifiers.bayes.NaiveBayes.buildClassifier(NaiveBayes.java:247)

at pers.NaiveBayesTest.main(NaiveBayesTest.java:37)

solution：右击要运行的class->Run

as->Run Cinfigurations->(X)=Argument

在VM

argument输入-Xmx512m即可运行。

4.代码如下：

package

pers;

import

java.io.File;

import

weka.classifiers.Classifier;

import

weka.classifiers.Evaluation;

import

weka.classifiers.bayes.NaiveBayes;

import

weka.core.converters.ArffLoader;

import

weka.core.Instances;

public class NaiveBayesTest

{

public

static

void

main(String[] args) throws Exception

{

// TODO Auto-generated method

stub

ArffLoader atf = new ArffLoader();

//Reads a source that is in

arff (attribute relation file format)

format.

File inputFile = new

File("Amazon_initial_50_30_10000.arff");//读入训练文件

atf.setFile(inputFile);

Instances instancesTrain = atf.getDataSet(); // 得到格式化的训练数据

instancesTrain.setClassIndex(instancesTrain.numAttributes()-1);//设置分类属性所在行号(第一行为0号)，instancesTrain.numAttributes()可以取得属性总数

inputFile = new

File("Amazon_initial_50_30_10000test.arff");//读入测试文件

atf.setFile(inputFile);

Instances instancesTest = atf.getDataSet(); // 得到格式化的测试数据

instancesTest.setClassIndex(instancesTest.numAttributes() -

1); //设置分类属性所在行号(第一行为0号)，instancesTest.numAttributes()可以取得属性总数

Classifier m_classifier = new

NaiveBayes();//用以建立一个naive

bayes分类器

String options[]=new

String[1];//训练参数数组

//options[0]="-K";//Use a

kernel estimator for numeric attributes rather than a normal

distribution.

//options[0]="-D";//Use

supervised discretization to convert numeric attributes to

nominal ones.

//m_classifier.setOptions(options);//设置训练参数

m_classifier.buildClassifier(instancesTrain); //训练

Evaluation eval = new

Evaluation(instancesTrain); //构造评价器

eval.evaluateModel(m_classifier, instancesTest);//用测试数据集来评价m_classifier

System.out.println(eval.toSummaryString("===

Summary ===\n",false));

//输出信息

System.out.println(eval.toMatrixString("===

Confusion Matrix ===\n"));//Confusion Matrix

}

}

训练数据和测试数据我用的是同一个文件：https://onedrive.live.com/redir?resid=DF3DA11703A9CA4C!164&authkey=!ACQWVXfn2asHy7I&ithint=file,.rar

项目文件我就懒得传了，和之前的decision

tree的类似，加入weka的jar包勿忘。