Weka 的非监督属性 filters介绍（二）

最新推荐文章于 2021-10-15 21:58:47 发布

就是那个阿姨

最新推荐文章于 2021-10-15 21:58:47 发布

阅读量362

点赞数 2

文章标签：大数据数据挖掘机器学习算法 java

本文链接：https://blog.csdn.net/m0_37987389/article/details/105294095

版权

本篇博客探讨了Weka中非监督属性过滤的API应用，通过实例展示了使用Iris数据集进行分类，获得了高精度，AUC达到0.99左右。鼓励对Weka感兴趣的读者深入学习。

摘要由CSDN通过智能技术生成

哈哈，第一篇博客的阅读量上不去耶，看来需要学习weka的专业技术人才太少了哈，加油哟。

本篇博客对于Weka的非监督属性的API的应用举了个栗子，不说了，看代码：

用了iris数据集分类，效果还不错哟，AUC 0.99左右。

创作不易，打赏随意！！

import java.util.Random;


import weka.core.Instances;
import weka.core.converters.ConverterUtils.DataSource;
import weka.filters.unsupervised.attribute.*;
import weka.filters.Filter;
import weka.clusterers.*;
import weka.classifiers.Evaluation;
import weka.classifiers.bayes.NaiveBayes;
public class classify {
	
	// 导入数据集
	public static Instances GetData(String path,int ClassIndex) throws Exception {
		DataSource datasource=new DataSource(path);
		Instances dataset=datasource.getDataSet();
		dataset.setClassIndex(ClassIndex);
		return dataset;
		
	}
	// 使用AddCluster过滤器，返回新数据集
	public static Instances AddClusterFilter(Instances d