Python中如何使用weka

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)