weka平台的二次开发

于 2024-06-25 19:22:10 发布
阅读量1.1k 收藏 27
点赞数 27
文章标签： 数据挖掘 机器学习 分类 java
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44373127/article/details/139963598
版权

安装与使用

weka的相关资料可以在https://ml.cms.waikato.ac.nz/weka/获取
下载后的软件界面如图
在这里插入图片描述

进行实验

在这里插入图片描述
点击“Explorer”，进入如下界面，打开文件，随机选择weka平台官方提供的数据集
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
之后选择分类，进去如下界面
在这里插入图片描述
下图中选择数据处理方式，cross——validation的Folds一般选择5
在这里插入图片描述
之后进行分类方法选择，例如贝叶斯分类
在这里插入图片描述
点击start可以得到分类结果
在这里插入图片描述
这里我们解释一下“Confusion Matrix”的含义。
=== Confusion Matrix ===
a b <-- classified as
170 31 | a = no-recurrence-events
47 38 | b = recurrence-events
这个矩阵是说，原本是“no-recurrence-events”的实例，有170个被正确的预测为“no-recurrence-events”，有64个错误的预测成了“recurrence-events”；原本是“recurrence”的实例，有47个被错误的预测为“no-recurrence-events”，有38个正确的预测成了“recurrence-events”。170+31+47+38= 286是实例总数，而(170+38)/286= 0.7272727正好是正确分类的实例所占比例。这个矩阵对角线上的数字越大，说明预测得越好。

多个实验结果比较

在这里插入图片描述
点击“Experimenter”，进入下图界面，之后点击“New”
在这里插入图片描述
之后点击“Browse”，选择文件保存的路径，
在这里插入图片描述
下面的红框中加入想要比较的数据集
在这里插入图片描述
下面的红框中选择想要进行对比的方法
在这里插入图片描述
在这里插入图片描述
进入Run界面，点击“Start”
在这里插入图片描述
进入Analyse界面，点击“File”，选择你之前保存的文件，例如我之前保存在桌面的test文件
在这里插入图片描述在这里插入图片描述
点击“Perform test”，右边出现对比结果表格
在这里插入图片描述

二次开发

步骤

打开Weka的安装路径，选择weka-src.jar文件，复杂到你想要实验的目录下，解压，基于此进行二次开发
在这里插入图片描述
用IntelliJ IDEA打开解压后的文件
在这里插入图片描述
实现自己的分类器，先在weka-src/src/main/java/weka/classifiers下新建一个Package，然后新建一个java文件
在这里插入图片描述
在这里插入图片描述
在gui包下面的GenericPropertiesCreator.props文件中增加你刚刚新建的包，例如我的包名称是xw
在这里插入图片描述打开gui包下面的GUIChooser文件，运行，可以直接打开weka平台
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
新建的java我命名为NB，打开weka平台，找到新建的NB方法，实现分类
在这里插入图片描述
在这里插入图片描述
一般情况下分类器只需要重载下面两个函数

public void buildClassifier(Instances instances) throws Exception
public double [] distributionForInstance(Instance instance) throws Exception

朴素贝叶斯实现代码

package weka.classifiers.xw;

import weka.core.*;
import weka.classifiers.*;
import java.util.ArrayList;
import java.util.Enumeration;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

import weka.filters.Filter;
import weka.filters.unsupervised.attribute.Discretize;

/**
 * Implement the NB classifier supporting both discrete and continuous attributes.
 */
public class NB extends AbstractClassifier {

    // 用于存储 朴素贝叶斯 属性参数
    protected List<Integer>[][] m_Distributions;

    // 用于存储 朴素贝叶斯 类别参数
    protected List<Integer> m_ClassDistribution;

    // 用于存储连续属性的均值和标准差
    protected double[][] m_Means;
    protected double[][] m_StdDevs;

    // 类别参数 的 种类数量
    protected int m_NumClasses;

    // 存储训练数据
    protected Instances m_Instances;


    public void buildClassifier(Instances instances) throws Exception {

        // 初始化训练数据
        m_Instances = instances;
        // 初始化类别参数 的 种类数量
        m_NumClasses = instances.numClasses();

        // 初始化 属性参数
        m_Distributions = new List[instances.numAttributes() - 1][m_NumClasses];
        m_Means = new double[instances.numAttributes() - 1][m_NumClasses];
        m_StdDevs = new double[instances.numAttributes() - 1][m_NumClasses];
        for (int i = 0; i < instances.numAttributes() - 1; i++) {
            for (int j = 0; j < m_NumClasses; j++) {
                m_Distributions[i][j] = new ArrayList<>();
                m_Means[i][j] = 0;
                m_StdDevs[i][j] = 0;
            }
        }

        // 初始化 类别参数
        m_ClassDistribution = new ArrayList<>();
        for (int i = 0; i < m_NumClasses; i++) {
            m_ClassDistribution.add(0);
        }

        // 获取属性参数的枚举类型
        Enumeration attributeEnumeration = instances.enumerateAttributes();
        // 遍历属性参数
        while (attributeEnumeration.hasMoreElements()) {
            // 获取属性参数
            Attribute attribute = (Attribute) attributeEnumeration.nextElement();
            // 获取属性参数的索引
            int attributeIndex = attribute.index();

            // 检查属性是否为离散型
            if (attribute.isNominal()) {
                // 获取属性参数的值的枚举类型
                Enumeration attributeValueEnumeration = attribute.enumerateValues();
                // 遍历属性参数的值
                while (attributeValueEnumeration.hasMoreElements()) {
                    // 获取属性参数的值
                    String attributeValue = (String) attributeValueEnumeration.nextElement();
                    // 遍历类别参数
                    for (int classIndex = 0; classIndex < m_NumClasses; classIndex++) {
                        // 初始化属性参数的某个值的某个类别参数的计数
                        m_Distributions[attributeIndex][classIndex].add(0);
                    }
                }
            }
        }

        // 遍历训练数据
        for (int instanceIndex = 0; instanceIndex < instances.numInstances(); instanceIndex++) {
            // 获取训练数据的实例
            Instance instance = instances.instance(instanceIndex);
            // 获取训练数据的类别参数的值
            int classValue = (int) instance.classValue();
            // 计数
            m_ClassDistribution.set(classValue, m_ClassDistribution.get(classValue) + 1);

            // 遍历属性参数
            for (int attributeIndex = 0; attributeIndex < instances.numAttributes() - 1; attributeIndex++) {
                // 获取属性参数
                Attribute attribute = instances.attribute(attributeIndex);
                if (attribute.isNominal()) {
                    // 获取训练数据的属性参数的值
                    int attributeValue = (int) instance.value(attributeIndex);

                    // 确保 m_Distributions[attributeIndex][classValue] 有足够的空间
                    while (m_Distributions[attributeIndex][classValue].size() <= attributeValue) {
                        m_Distributions[attributeIndex][classValue].add(0);
                    }

                    // 计数
                    m_Distributions[attributeIndex][classValue].set(attributeValue,
                            m_Distributions[attributeIndex][classValue].get(attributeValue) + 1);
                } else if (attribute.isNumeric()) {
                    // 更新均值和标准差
                    double value = instance.value(attributeIndex);
                    m_Means[attributeIndex][classValue] += value;
                    m_StdDevs[attributeIndex][classValue] += value * value;
                }
            }
        }

        // 计算连续属性的均值和标准差
        for (int attributeIndex = 0; attributeIndex < instances.numAttributes() - 1; attributeIndex++) {
            Attribute attribute = instances.attribute(attributeIndex);
            if (attribute.isNumeric()) {
                for (int classIndex = 0; classIndex < m_NumClasses; classIndex++) {
                    int count = m_ClassDistribution.get(classIndex);
                    if (count > 1) {
                        m_Means[attributeIndex][classIndex] /= count;
                        m_StdDevs[attributeIndex][classIndex] = Math.sqrt(
                                m_StdDevs[attributeIndex][classIndex] / count - m_Means[attributeIndex][classIndex] * m_Means[attributeIndex][classIndex]);
                    }
                }
            }
        }
    }

    /**
     * Calculates the class membership probabilities for the given test instance
     *
     * @param instance the instance to be classified
     * @return predicted class probability distribution
     * @exception Exception if there is a problem generating the prediction
     */
    public double[] distributionForInstance(Instance instance) throws Exception {
        // 初始化预测概率数组
        double[] predictionProbability = new double[m_NumClasses];

        // 遍历类别参数
        for (int classIndex = 0; classIndex < m_NumClasses; classIndex++) {
            // 初始化预测概率
            double prediction = 1;

            // 遍历属性参数
            for (int attributeIndex = 0; attributeIndex < m_Instances.numAttributes() - 1; attributeIndex++) {
                // 获取属性参数
                Attribute attribute = m_Instances.attribute(attributeIndex);
                if (attribute.isNominal()) {
                    // 获取属性参数的值
                    int attributeValue = (int) instance.value(attributeIndex);
                    // 获取当前属性可能的取值数
                    int attributeValueCount = m_Distributions[attributeIndex][classIndex].size();

                    // 检查索引是否有效
                    if (attributeValue >= attributeValueCount) {
                        throw new Exception("Attribute value index out of bounds: " + attributeValue);
                    }

                    // 计算条件概率P(x|c) (当前属性值在当前类别下占的比例) (拉普拉斯平滑)
                    double p_x_c = (double) (m_Distributions[attributeIndex][classIndex].get(attributeValue) + 1) /
                            (m_ClassDistribution.get(classIndex) + attributeValueCount);

                    // 计算预测概率
                    prediction *= p_x_c;
                } else if (attribute.isNumeric()) {
                    // 计算连续属性的概率密度函数值
                    double mean = m_Means[attributeIndex][classIndex];
                    double stdDev = m_StdDevs[attributeIndex][classIndex];
                    double value = instance.value(attributeIndex);
                    double p_x_c = (1 / (Math.sqrt(2 * Math.PI) * stdDev)) *
                                   Math.exp(-Math.pow(value - mean, 2) / (2 * Math.pow(stdDev, 2)));
                    prediction *= p_x_c;
                }
            }

            // 计算先验概率P(c) (当前类别占总类别的比例) (拉普拉斯平滑)
            double p_c = (double) (m_ClassDistribution.get(classIndex) + 1) /
                    (m_Instances.numInstances() + m_NumClasses);

            // 计算预测概率
            predictionProbability[classIndex] = prediction * p_c;
        }

        // 归一化
        Utils.normalize(predictionProbability);

        // 返回预测概率数组
        return predictionProbability;
    }

    public static void main(String[] argv) {
        runClassifier(new NB(), argv);
    }
}

数据准备

WEKA必须从CSV文件的第一行读取属性名，否则就会把第一行的各属性值读成变量名。因此我们对于Matllab给出的CSV文件需要用UltraEdit打开，手工添加一行属性名。注意属性名的个数要跟数据属性的个数一致，仍用逗号隔开。

.csv -> .arff

将CSV转换为ARFF最迅捷的办法是使用WEKA所带的命令行工具。
运行WEKA的主程序，出现GUI后可以点击下方按钮进入相应的模块。我们点击进入“Simple CLI”模块提供的命令行功能。在新窗口的最下方（上方是不能写字的）输入框写上
java weka.core.converters.CSVLoader filename.csv > filename.arff
即可完成转换。
在WEKA 3.5中提供了一个“Arff Viewer”模块，我们可以用它打开一个CSV文件将进行浏览，然后另存为ARFF文件。
进入“Exploer”模块，从上方的按钮中打开CSV文件然后另存为ARFF文件亦可。

Goolk.
关注
  • 27
    点赞
  • 踩
  • 27
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Weka：Weka是一个开源机器学习平台，它可以运行各种算法，并且提供了良好的交互界面。
禅与计算机程序设计艺术
08-19 1960
作者：禅与计算机程序设计艺术 1.简介 Weka是一款由斯坦福大学开发的一套用于数据挖掘、统计分析和机器学习的Java环境软件包，其独特的基于GUI的交互模型和丰富的插件系统，使得其成为许多数据科学家和学者的首选工具。它的功能覆盖了数据预处理、特征选择、分类、回归、聚类、关联规则、时间序列预测等方面。同
IDEA 导入Weka的Maven依赖jar包
u012632105的博客
09-14 1989
在官网mvnrepository.com中查到了Weka的Maven，但是直接放入工程的pom中却无法引入。可能是镜像源的问题。这时需要手动生成它的maven依赖。
WEKA使用教程(经典教程转载)
热门推荐
Coding for Dreams
05-22 23万+
WEKA使用教程 目录 1. 简介 2. 数据格式 3.数据准备 4. 关联规则（购物篮分析） 5. 分类与回归 6. 聚类分析 1. 简介 WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），它的源代码可通过http://www.cs.waikato.ac.nz/ml/weka得到。同时weka也
IntelliJ IDEA安装详细过程
ニャンコちゃん的博客
06-13 4901
IntelliJ IDEA安装以及第一个java程序的运行 前言 首先把java安装了，再安装idea，好了，看过程吧 目录IntelliJ IDEA安装以及第一个java程序的运行windows10的java开发环境—JDK的安装及配置jdk下载安装jdk环境配置验证IntelliJ IDEA安装与配置IntelliJ IDEA下载安装过程idea配置第一个java程序 windows10的java开发环境—JDK的安装及配置 jdk下载安装 1.首先去官网下载jdk文件 jdk官网版本 有很多个版本
Weka教程，使用Weka进行简单的分类和聚类
最新发布
weixin_46039606的博客
04-22 1万+
对于Percentage split选项，当你的数据集没有测试集时，可以通过设置右侧的数字来将你的数据集分为训练集和测试集，图中的数字为66，其代表将数据集66%的数据作为训练集，其余34%的数据作为测试集。3，找到自己Weka的安装目录，进入data文件夹，选择自己需要分类的数据集，当然也可以是外部数据集，但文件需要是arff类型文件，其它文件类型如何转为arff类型可参考。1，前面的操作和上面分类操作的步骤一样，导入数据集后进入到聚类的界面，需要注意的地方在下图中进行了标注。
weka下载与使用
alonghere的博客
04-14 1万+
因为本学期有门课，老师让用weka软件，因为软件比较小众，去图书馆才找到一本相关书籍，所以想分享一下自己的学习经验，希望对大家有所帮助。 软件的下载与安装 Weka软件下载网址： Downloading and installing Weka - Weka Wiki 选择版本（以Windows为例），注意下载后保存在C盘以外的其他区域 安装过程很简单，如果想参考教程可以见网址：（引用的别人的文章，第一次写不知道可不可以这样这样）https://blog.csdn.net/qq_43738932
【数据挖掘软件 weka】第一部分 开始使用weka
问就ycy的博客
09-16 8355
https://www.youtube.com/watch?v=LcHw2ph6bss&list=PLm4W7_iX_v4NqPUjceOGd-OKNVO4c_cPD 这是由新西兰Waikato大学提供，关于如何使用weka进行数据挖掘的在线学习课程。
Weka的下载与安装
qq_42752823的博客
10-09 1万+
一、安装Weka 1、进入官网 https://www.cs.waikato.ac.nz/ml/weka/ 。 2、在Getting started中点击Download，再选择合适的版本下载即可。我选择的是Windows 64bit without JVM的版本。 3、安装Weka。 4、进入安装目录，将data文件夹复制粘贴至方便使用的目录下。 这里我将其复制到了“文档”中，并重命名为“W...
weka二次开发代码分析
09-07
对于开发者来说，Weka还允许进行二次开发，以满足特定的数据分析需求。本文将深入探讨Weka的二次开发代码分析，帮助你更好地理解和利用这个工具。 1. **理解Weka的架构** Weka的核心是一个Java库，包含多个类和...
weka二次开发,数据挖掘
06-11
基于 JAVA 的 WEKA 数据挖掘
机器学习工具类似weka平台ELKI平台
02-12
国外的大牛几乎都是用这个平台做快速的机器学习建模，其中有分类 聚类 异常检测 时间序列算法各种评价标准 确实是一个比较好的平台
基于weka平台的二次开发（报告，代码粘在最后）
08-08
《基于Weka平台的二次开发：提升朴素贝叶斯分类器的性能》 在机器学习领域，Weka是一个广泛使用的开源数据挖掘工具，它提供了多种机器学习算法供用户选择和应用。本文主要探讨了如何在Weka平台上进行二次开发，以...
WEKA中文详细教程.pdf
08-03
本文档是Weka的中文版详细教程。Weka的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），是一款免费的，非商业化（与之对应的是SPSS公司商业数据挖掘产品--Clementine ）的，基于JAVA环境...
weka开发需要的jar包
03-07
2. weka-src.jar：这个文件包含的是Weka源代码，对于开发者来说，能够查看源代码有助于理解和学习Weka的工作原理，便于自定义算法或进行二次开发。 3. arpack_combined.jar：ARPACK是一个用于求解大型稀疏线性系统...
数据挖掘工具weka之weka包的安装
qq_27052367的博客
07-06 4086
本文重点介绍weka包的安装，Weka 3.7.2 引入了对包的支持，使得扩展 Weka 变得容易，而无需重新编译或修补底层 Weka 安装。weka包有两种，一种称为offical，一种称为unofficial，官方包可以在weka菜单栏中选择Tools->Package manager中进行安装，非官方包可以在其他专门的网站进行下载安装，本文将详细介绍两种包的安装方式。.........
《数据挖掘基础》实验：Weka平台实现分类算法
lazyn的博客
12-21 1万+
Weka平台实现分类算法 进一步理解分类算法（决策树、贝叶斯），利用weka实现数据集的分类处理，学会调整模型参数，以图或树的形式给出挖掘结果，并解释规则的含义。
Weka软件使用教程（入门级）
dujidan的博客
01-09 2万+
Weka软件使用教程（入门级）简 介PPT 简 介 最近在公司实习被要求做一个Weka的培训，所以就简单记录一下； 就当做是为以后方便复习了吧。。。 之前自学过一点，当时是看的优酷上的视频，是这个软件的开发者做的一个教学视频，讲的十分不错，感觉他们那边过的非常惬意，但十分遗憾的是时间太长了，学到的都忘记了。所以，又从网上找了篇博客学了一下，并做了个PPT。 另外还发现一本书应该不错《数据挖掘 使...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值