Java机器学习库ML官网:http://java-ml.sourceforge.net/
对于一个机器学习库来说,最基础就是数据处理能力,ml库给了dataset和instance两个类,dataset是矩阵,instance是行(可以理解是一个list,或一个double数组)。Dataset是JAVA-ML数据集合,所有的算法都是基于这个数据集,所以很基础也很重要,我觉得使用JAVA的好处就在于数据格式的规范化,以及它的灵活性,和可扩展性。
本文给出最基本的Dataset和Instance操作,可以完成对一个矩阵的遍历,定位到每一行里的每一个列,可惜的是dataset本身好像不具备行列切片,这个和python里面的pandas库差别就大了。但是对于熟悉JAVA的人来说,遍历DataSet还是不成问题的。
参考代码如下:
package com.gddx;
import java.io.File;
import java.io.IOException;
import net.sf.javaml.core.Dataset;
import net.sf.javaml.core.DefaultDataset;
import net.sf.javaml.core.DenseInstance;
import net.sf.javaml.core.Instance;
import net.sf.javaml.core.SparseInstance;
import net.sf.javaml.tools.InstanceTools;
import net.sf.javaml.tools.data.FileHandler;
public class TutorialDataset {
public static void main(String[]args) throws IOException{
//dataset
//创建一个空的dataset,并随机赋值
Dataset data = new DefaultDataset();
for (int i = 0; i < 5; i++) {
Instance tmpInstance = InstanceTools.randomGaussianInstance(3);
tmpInstance.setClassValue("标记");
data.add(tmpInstance);
}//创建一个5行3列的矩阵
System.out.println(data.instance(0)); //打印dataset的第一行
/*案例2*/
//从文件中导入形成一个dataset,前4列是特征值,最后1列是标记,列分隔符是逗号
Dataset dataFile = FileHandler.loadDataset(new File("D:\\tmp\\iris.data"), 4, ",");
for(Instance inst:dataFile){
System.out.println(inst.classValue());//显示标记
System.out.println(inst.values());//显示特征值
}
//instance
double[] values = new double[] { 0.1, 2, 3 };/* values of the attributes. */
Instance instance = new DenseInstance(values);
System.out.println("Instance with only values set: ");
System.out.println(instance);
Instance instanceWithClassValue = new DenseInstance(values, 1);
System.out.println("Instance with class value set to 1: ");
System.out.println(instanceWithClassValue);
/* Create instance with 10 attributes */
Instance instancesparse = new SparseInstance();
/* Set the values for particular attributes */
instancesparse.put(1, 1.0);
instancesparse.put(2, 2.0);
instancesparse.put(3, 4.0);
System.out.println(instancesparse.values());
}
}