weka中实现了很多机器学习算法，不管实验室研究或者公司研发，都会或多或少的要使用weka，我的理解是weka是在本地的SparkML，SparkML是分布式的大数据处理机器学习算法，数据量不是很大的时候，使用weka可以模拟出很好的效果，决定使用哪个模型，然后再继续后续的数据挖掘工作。
下面总结一个eclipse中调用weka的Classifier分类器代码的Demo，通过这个实例，可以进一步跟踪分类算法的原理，查看weka源码，下一节中，介绍最简单的IB1(1NN)算法源码的具体分析。
以下是一个调用各种IB1分类器的过程，下一节介绍下IB1算法的源码分析。
package mytest;
import java.io.File;
import weka.classifiers.Classifier;
import weka.classifiers.Evaluation;
import weka.classifiers.lazy.IB1;
import weka.core.Instance;
import weka.core.Instances;
import weka.core.converters.ArffLoader;
//import wlsvm.WLSVM;
public class SimpleClassification {//分类器
public static void main(String[] args) {
Instances ins = null;
Classifier cfs = null;
try {
File file = new File("E:\\Develop/Weka-3-6/data/contact-lenses.arff");
// File file = new File("E:\\yuce/data.csv");
ArffLoader loader = new ArffLoader();
loader.setFile(file);
ins = loader.getDataSet();
// 在使用样本之前一定要首先设置instances的classIndex，否则在使用instances对象是会抛出异常
ins.setClassIndex(ins.numAttributes() - 1);
cfs = new IB1();
// 参数设置
// String[] options=weka.core.Utils.splitOptions("-S 0 -K 2 -D 3 -G 0.0 -R 0.0 -N 0.5 -M 40.0 -C 1.0 -E 0.0010 -P 0.1 -B 0");
// cfs.setOptions(options);
Instance testInst;
Evaluation testingEvaluation = new Evaluation(ins);
int length = ins.numInstances();
for (int i = 0; i < length; i++) {
testInst = ins.instance(i);
// 通过这个方法来用每个测试样本测试分类器的效果
double predictValue = testingEvaluation.evaluateModelOnceAndRecordPrediction(cfs,
testInst);
System.out.println(testInst.classValue()+"--"+predictValue);
}
System.out.println("分类器的正确率：" + (1 - testingEvaluation.errorRate()));
} catch (Exception e) {
e.printStackTrace();
}
}
}
步骤的详细解释：
1）arff文件中读取数据集，并解析到数据结构Instances 里。
2） 创建一个分类器 new IB1();
3）设置参数等操作 splitOptions 并且 设置决策属性，一般是最后一个属性： ins.setClassIndex(ins.numAttributes() - 1);
4）创建一个评估器new Evaluation(ins)
5）交叉验证，并输出测试样本的分类结果及评价参数。testingEvaluation.evaluateModelOnceAndRecordPrediction(cfs, testInst);
data数据集：
@relation contact-lenses @attribute age {young, pre-presbyopic, presbyopic} @attribute spectacle-prescrip {myope, hypermetrope} @attribute astigmatism {no, yes} @attribute tear-prod-rate {reduced, normal} @attribute contact-lenses {soft, hard, none} @data % % 24 instances % young,myope,no,reduced,none young,myope,no,normal,soft young,myope,yes,reduced,none young,myope,yes,normal,hard young,hypermetrope,no,reduced,none young,hypermetrope,no,normal,soft young,hypermetrope,yes,reduced,none young,hypermetrope,yes,normal,hard pre-presbyopic,myope,no,reduced,none pre-presbyopic,myope,no,normal,soft pre-presbyopic,myope,yes,reduced,none pre-presbyopic,myope,yes,normal,hard pre-presbyopic,hypermetrope,no,reduced,none pre-presbyopic,hypermetrope,no,normal,soft pre-presbyopic,hypermetrope,yes,reduced,none pre-presbyopic,hypermetrope,yes,normal,none presbyopic,myope,no,reduced,none presbyopic,myope,no,normal,none presbyopic,myope,yes,reduced,none presbyopic,myope,yes,normal,hard presbyopic,hypermetrope,no,reduced,none presbyopic,hypermetrope,no,normal,soft presbyopic,hypermetrope,yes,reduced,none presbyopic,hypermetrope,yes,normal,none
data详细分析：
1）@relation contact-lenses 是表名
2）@attribute age {young, pre-presbyopic, presbyopic} 是属性名和属性类型
3）@data 是数据集，一个数组的形式。
若data是cvs的格式，weka也支持，最好使用weka的tools工具转化为arff格式的数据集。
输出结果为：
转置请注明出处：http://www.cnblogs.com/rongyux/