java weka线性回归算法_Java集成Weka做线性回归的例子

之前研究完分类的逻辑回归，继续搞一下线性回归看看。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。我就不在这里Ctrl+v了。下面只看看代码上如何集成。

Weka中有对应的线性回归LinearRegression。使用起来道理也一样，就是先构造模型，然后使用；使用时就是构造一个Instance，然后用classifyInstance函数来得到预测值。

训练模型

static AbstractClassifier trainModel(String arffFile, int classIndex) throws Exception {

File inputFile = new File(arffFile); //训练文件

ArffLoader loader = new ArffLoader();

loader.setFile(inputFile);

Instances insTrain = loader.getDataSet(); // 读入训练文件

insTrain.setClassIndex(classIndex);

LinearRegression linear = new LinearRegression();

linear.buildClassifier(insTrain);//根据训练数据构造分类器

return linear;<