Question

我对weka编程很新。我编写了一个简单的贝叶斯分类器。这是代码：

public static void main(String[] args) throws Exception {
    Attribute Attribute1 = new Attribute("firstNumeric");
    Attribute Attribute2 = new Attribute("secondNumeric");

    // Declare a nominal attribute along with its values
    ArrayList<String> fvNominalVal = new ArrayList(3);
    fvNominalVal.add("blue");
    fvNominalVal.add("gray");
    fvNominalVal.add("black");
    Attribute Attribute3 = new Attribute("aNominal", fvNominalVal);

    // Declare the class attribute along with its values
    ArrayList<String> fvClassVal = new ArrayList(2);
    fvClassVal.add("positive");
    fvClassVal.add("negative");
    Attribute ClassAttribute = new Attribute("theClass", fvClassVal);

    // Declare the feature vector
    ArrayList<Attribute> fvWekaAttributes = new ArrayList(4);
    fvWekaAttributes.add(Attribute1);
    fvWekaAttributes.add(Attribute2);
    fvWekaAttributes.add(Attribute3);
    fvWekaAttributes.add(ClassAttribute);

    // Create an empty training set
    Instances isTrainingSet = new Instances("Rel", fvWekaAttributes, 10);
    // Set class index
    isTrainingSet.setClassIndex(3);

    // Create the instance
    Instance ex1 = new DenseInstance(4);
    ex1.setValue((Attribute) fvWekaAttributes.get(0), 1.0);
    ex1.setValue((Attribute) fvWekaAttributes.get(1), 5.5);
    ex1.setValue((Attribute) fvWekaAttributes.get(2), "gray");
    ex1.setValue((Attribute) fvWekaAttributes.get(3), "positive");

    Instance ex2 = new DenseInstance(4);
    ex1.setValue((Attribute) fvWekaAttributes.get(0), 1.0);
    ex1.setValue((Attribute) fvWekaAttributes.get(1), 5.5);
    ex1.setValue((Attribute) fvWekaAttributes.get(2), "blue");
    ex1.setValue((Attribute) fvWekaAttributes.get(3), "negative");

    // add the instance
    isTrainingSet.add(ex1);
    isTrainingSet.add(ex2);

    // Create a naïve bayes classifier
    Classifier cModel = (Classifier) new NaiveBayes();
    cModel.buildClassifier(isTrainingSet);

    Instance testData = new DenseInstance(4);
    testData.setValue((Attribute) fvWekaAttributes.get(0), 1.0);
    testData.setValue((Attribute) fvWekaAttributes.get(1), 5.5);
    testData.setValue((Attribute) fvWekaAttributes.get(2), "gray");

    Instances testDataSet = new Instances("Rel", fvWekaAttributes, 1);
    testDataSet.setClassIndex(3);
    testDataSet.add(testData);

    double[] a = cModel.distributionForInstance(testDataSet.firstInstance());
    for(int i=0;i<a.length;i++){
        System.out.println(a[i]);
    }
}

但结果似乎不是真的。结果如下：

6.702810252023562E-151

1.0

即使我将testData更改为：

testData.setValue((Attribute) fvWekaAttributes.get(0), 1.0);
testData.setValue((Attribute) fvWekaAttributes.get(1), 5.5);
testData.setValue((Attribute) fvWekaAttributes.get(2), "blue");

结果几乎就是这个。如下：

3.351405126011781E-151

1.0

先谢谢。

Answer 1

在我看来，问题是你在训练集中只有两个实例，并且naiv baies分类器无法从中学习一个有价值的模型。这就是为什么你得到了一个混乱的结果。尝试生成至少100个或更多列车实例，或者在这里您可以找到一些样本数据集来学习如何应用ML方法：http://storm.cis.fordham.edu/~gweiss/data-mining/datasets.html

Weka分类器不起作用

1 个答案: