Question

我在训练集上使用了weka分类器，但我想在构建模型之前对其进行缩放。问题是我不知道该怎么做。这是构建分类器并执行预测的代码。 “trainPath”和“predictPath”中的文件采用arff格式。

void classify(String trainPath, String predictPath) {
    try {
        DataSource trainData = new DataSource(trainPath);
        Instances train = trainData.getDataSet();
        if(train.classIndex() == -1)
            train.setClassIndex(train.numAttributes() -1);

        DataSource predictData = new DataSource(predictPath);
        Instances predict = predictData.getDataSet();
        if(predict.classIndex() == -1)
            predict.setClassIndex(predict.numAttributes() -1);


        Classifier cls = new LibSVM();
        cls.buildClassifier(train);

        Instances labeled = new Instances(predict);
        for (int c=0; c<predict.numInstances(); c++) {
            double clsLabel = cls.classifyInstance(predict.instance(c));
            labeled.instance(c).setClassValue(clsLabel);
        }

        BufferedWriter bw = new BufferedWriter(new FileWriter("files/labeled.arff"));
        bw.write(labeled.toString());
        bw.newLine();
        bw.flush();
        bw.close();

    } catch (Exception e) {e.printStackTrace();}

}

我知道在Libsvm中存在svm-scale函数，但我不知道如何使用它。

Answer 1

Weka为您提供了数据预处理的方法，部分

weka.filters.unsupervised.attribute.Normalize
weka.filters.unsupervised.attribute.Standardize

normalizator的示例用法，它将数据缩放到[0,1]间隔（默认情况下）：

Normalize norm = new Normalize();
norm.setInputFormat(train);
Instances processed_train = Filter.useFilter(train, norm);

在weka分类器中扩展训练数据

1 个答案: