Python中如何使用weka
前期准备:
1、安装jdk、jython
2、下载weka.jar
3、将jython执行文件路径加入到$PATH,将weka.jar路径加入到$CLASSPATH中
参考资料:
http://weka.sourceforge.net/doc/
http://weka.wikispaces.com/Can+I+use+WEKA+from+Python%3F
tips:
以下示例包括在python中使用、评估weka分类/回归器的基本方法;实际编程中,可参考weka文档自行修改,灵活性很大
示例代码:
运行:jython test.py
test.py:
以既可以做分类器,又可以做回归器的KNN为例:
#encoding:utf8 import sys import java.io.FileReader as FileReader import java.io.File as File import weka.core.Instances as Instances import weka.core.converters.CSVLoader as CSVLoader import weka.classifiers.Evaluation as Evaluation import weka.classifiers.lazy.IBk as IBK #从csv格式文件建立weka训练样本集 ''' loader = CSVLoader() loader.setSource(File("/somewhere/train.csv")) data = loader.getDataSet() ''' #从arff格式文件建立训练样本集 reader = FileReader("/somewhere/train.arff") data = Instances(reader) data.setClassIndex(data.numAttributes() - 1) #建立KNN分类/回归器 knn = IBK(3) #n=3 knn.buildClassifier(data) print knn test_reader = FileReader("/somewhere/test.arff") test_data = Instances(test_reader) num = test_data.numInstances() for i in range(num): r = knn.distributionForInstance(test_data.instance(i)) # 对于分类问题,可以直接使用classifyInstance函数得到样本的类别下标 # 输出分类或回归结果:对于分类问题,这里的r记录测试样本属于各类别的概率;对于回归问题,r记录回归值 print i, r # 查看算法参数 print knn.getOptions() # 对于分类问题,distributionForInstance结果中各个类别概率对应的类别顺序是啥?答案如下: attrs = data.classAttribute() print attrs num = attrs.numValues() for i in range(num): # distributionForInstance结果中第i个概率对应的类名 print attrs.value(i) #5重交叉验证评估KNN分类/回归器的效果 evaluator = Evaluation(data) print evaluator.evaluateModel(IBK(3), ["-t", "/somewhere/data.arff", "-x", "5", "-i"])# 如果想看每个样本的测试结果,参数列表中可以加上"-p", "1-last"(1-last表示输出的样本属性范围)