如何在我的 Java 代码中使用带有 Weka 的 LibSVM？

Posted 2023-03-12

【中文标题】如何在我的 Java 代码中使用带有 Weka 的 LibSVM？

【英文标题】：How to use LibSVM with Weka in my Java code?

【发布时间】：2011-07-10 14:05:16

【问题描述】：

我想在我的应用程序中使用带有 Weka 的 LibSVM 分类器。我怎样才能（或者我在哪里可以找到好的例子）做到这一点？

【参考方案1】：

现在有点晚了，当然，但无论如何我都会回答。您必须在项目中使用 weka.jar、libsvm.jar 和 wlsvm.jar（libsvm 包装器）。因此，只需在构建路径或类路径或其他任何内容中包含所有 3 个 jar。

您可以从这里获取 wlsvm.jar：http://ailab.ist.psu.edu/yasser/wlsvm.html

你可以从这里获取weka：http://www.cs.waikato.ac.nz/ml/weka/

您可以从这里获取 libsvm：http://www.csie.ntu.edu.tw/~cjlin/libsvm/

我无法让它与 weka 3.7.7 或 3.7.8 一起使用，但我能够让它与 3.6.8（截至今天的最新稳定版本）一起使用。

另外，因为我必须从 svnlib 中获取 .class 文件，并且还要在我的项目的构建路径中包含这些文件。要构建 .class 文件，请使用 SVNLib/java 中的 make 文件。

这里有一小段代码可以帮助您入门：

        DataSource source = new DataSource(new File("mycsvinputfile"));
        System.out.println(source.getStructure());
        Instances data = source.getDataSet();

        // setting class attribute if the data format does not provide this information
        // For example, the XRFF format saves the class attribute information as well
        if (data.classIndex() == -1)
            data.setClassIndex(data.numAttributes() - 1);

        //initialize svm classifier
        LibSVM svm = new LibSVM();
        svm.buildClassifier(data);

祝你好运。

【参考方案2】：

点击此链接以结合 Weka 和 libsvm http://www.cs.iastate.edu/~yasser/wlsvm/

weka 擅长计算 ROC、召回率等...... 而 libsvm 对分类、回归等很有用...

【参考方案3】：

要使用最新版本的weka（3.7.9）的libSVM库，您只需要使用weka应用程序的“包管理器”并安装libSVM包。

最后从 java 项目中，你必须将“包管理器”创建的 LibSVM 库添加到类路径中。

通常在“(HOME)\wekafiles\packages\LibSVM”目录下。

【参考方案4】：

事实证明，通过 Maven Central 提供的东西，weka 人员使用最新版本使我们的工作变得更加轻松。

只需从这里获取依赖项： http://mvnrepository.com/artifact/nz.ac.waikato.cms.weka/LibSVM

就依赖关系而言，一切都会正常工作。不要乱用包装器并将 jars 添加到类路径或类似的东西。

我使用的是 3.7.12 版本，但我认为自从将包管理器功能添加到 GUI 后它就可用了。

【参考方案5】：

有了新版本，你只需要 weka.jar 并像这样调用 svm，

WekaPackageManager.loadPackages( false, true, false );
AbstractClassifier classifier = ( AbstractClassifier ) Class.forName(
            "weka.classifiers.functions.LibSVM" ).newInstance();

如果你喜欢给选项设置这样的选项

String options = ( "-S 0 -K 0 -D 3 -G 0.0 -R 0.0 -N 0.5 -M 40.0 -C 1.0 -E 0.001 -P 0.1" );
String[] optionsArray = options.split( " " );
    classifier.setOptions( optionsArray );

最后训练分类器

classifier.buildClassifier( train );