Weka的命令行构建分类器

Weka的命令行构建分类器

---

将数据处理成csv数据

训练集

weka输入的训练集要求输入的数据：行是样本，列是基因，最后一列是label，不需要样本名。可以使用wps打开对数据处理成weka需要的样式。

测试集

同样的我们也选择一些样本作为测试集，不同的是label那一列都用?(英文)代替，记得保存一份有标签的备份，最后得出结果的时候可以判断模型的效果

将csv数据转化为arff文件

1. 使用weka打开我们的train.csv.arff和test.csv.arff文件

   首先点击Explorer- openfile，选择我们的文件，然后再点击save，点击确定，weka就自动将文件转化为arff文件了

2. 用notepad++打开train.csv.arff和test.csv.arff文件，下拉到label这一行，将numeric改成{0,1}(英文)

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-rLH3E3uI-1587545538191)(E:%5Cmd%E6%96%87%E4%BB%B6%5C%E6%96%87%E4%BB%B6%E5%9B%BE%E5%83%8F%5Carff-1587539446537.png)]

3. 如果前面的处理都正确的话，再次用weka打开train.csv.arff应该如下所示：

   [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-9pimSkXh-1587545538205)(E:%5Cmd%E6%96%87%E4%BB%B6%5C%E6%96%87%E4%BB%B6%E5%9B%BE%E5%83%8F%5Cweka.png)]

使用命令行构建模型和测试模型

构建模型

1. 首先在自己的数据目录下打开cmd窗口
2. 运行以下命令：

java -Xmx1024m -classpath .;D:\Weka\Weka-3-8-4\weka.jar weka.classifiers.trees.RandomForest -t train.csv.arff -d colonRandomForest.model > colonRandomForest.out -x 8

• 其中**D:\Weka\Weka-3-8-4\ **是你weka的安装目录
• weka.classifiers.trees.RandomForest意思是选择随机森林构建模型，其他方法的目录也可以看weka软件，比如：

如果我们要选择NaiveBayes构建模型，我们就可以使用weka.classifiers.bayes.NaiveBayes

测试模型

java -Xmx1024m -classpath .;D:\Weka\Weka-3-8-4\weka.jar weka.classifiers.trees.RandomForest -l colonRandomForest.model -T test.csv.arff -p 0 > PredictionResultRandomForest.txt

• 其中**D:\Weka\Weka-3-8-4\ **是你weka的安装目录
• weka.classifiers.trees.RandomForest是构建模型的时候选择的模型类型
• -l 是构造模型是输出的模型文件
• -T 是测试集
• -p 0这个参数是是否给出每个样本分类的标签，和分为该类的可能性

其他参数

• -A 设置是否自动创建隐藏层
• -B 是否将norminal转为二进制
• -I(大写i) 设置是否对输入属性值进行归一化处理
• -G 是否GUI显示
• -H 隐藏层节点个数
• -S 随机值种子
• -N 循环次数，即对所有训练集数据做的循环次数
• -M momentum值
• -L 学习率
• -E threshold，用于控制当连续threshold次误差都比上次误差大师，停止迭代
• -D 用于何止随着循环次数的增加是降低学习率
• -R 是否重置网络
• -O 不打印模型
• -xml 从xml文件中加载参数

学习率的知识可以查看这个博客

分析结果

• predicted 是预测的结果：1:0表示被分为第一类，标签是0；

  2:1表示被分为第二类，标签是1