hanphy的专栏

Java集成Weka做逻辑回归（Logistic Regression）从搜索引擎脑补可以得知，“逻辑回归”是一种分类器，通过样本集合的训练之后，可以简单做二元（或多元）分类。看了一下有用Weka做的，来来，咱也试一下。

从网上找样本数据太不好找了，尤其是想看看多分类的那种数据；而且数据量都偏小，不好玩。得，还是自己造数据，当然规则自己拟。自己造数据，生成arff文件。

线性回归在数据挖掘领域应也是非常常见，即根据现有的数据集（行向量组成的矩阵），（训练）模拟出一个合适的规律（函数），来推测任何新给出的数据组合（向量）应该得到的值。具体的描述可以参见各种博客，怎么推导的看来看去一知半解，但总而言之结果也简单，就是计算得到一个“适当”的多元线性函数Y=a0+a1*x1+a2*x2+a3*x3+…+ak*xk。

从Weka工具跑回归模型可以看到评估的输出，怎么解读自行脑补过，大概明白了些。翠花，上截图！我们普通人最直接的理解是正确率吧。应该对应到Correctly Classified Instances比例（正确分类了的实例）。 在上图中，总实例数1000，正确分类了963，*正确率*96.3% 。TP、FP、FN、TN 但一两个数往往说明不了问题，专业人士们，会看真的、被分对、真的、被分错、假的、被

网络上太多示例展示了Weka怎么样调用数据分类算法，但想想我如何针对一个训练好的分类模型进行重用呢。所以必须要“导出来”。导出模型，一个标准的方式就是用PMML了。