通过 python api 在 Weka GUI 和 Weka 中得到不同的结果

Posted 2023-03-13

【中文标题】通过 python api 在 Weka GUI 和 Weka 中得到不同的结果

【英文标题】：Different results in Weka GUI and Weka via python api

【发布时间】：2019-04-29 08:26:07

【问题描述】：

我们正在使用带有 weka 3.9.3 api（和 java 1.8.0191）的 python 2.7.12 尝试在一小段 python 代码下方使用 j48 分类器进行分类：

loader = Loader(classname="weka.core.converters.ArffLoader")
data = loader.load_file(data_dir + "new_ALL_FEATURES.arff")
data.class_is_last()

#seperate the data to train and test:
removeRange = 
Filter(classname="weka.filters.unsupervised.instance.RemoveRange", options= 
["-R","4951-last"])
removeRange.inputformat(data)
train = removeRange.filter(data)

removeRange = 
Filter(classname="weka.filters.unsupervised.instance.RemoveRange", options= 
["-R","first-4951"])
removeRange.inputformat(data)
test = removeRange.filter(data)
cls = Classifier(classname="weka.classifiers.trees.J48", options=["-C", 
"0.25"])
cls.build_classifier(train)

用于分类的其他详细信息选项：修剪树，无交叉验证，数据包括 23 个数字特征（类是名义的），缺失值被替换。 当使用相同的文件和具有相同选项的相同分类器运行 weka GUI 时（[“-C”、“0.25”、“-M”、“2”]） 分类结果与我们从 API 得到的结果不同：树结构不同，GUI 树包含 77 个叶子，而 API 构建的树包含 97 个叶子。

我们搜索了类似的问题，发现如下链接：Different results in Weka GUI and Weka via Java code 但是，这与我们无关，因为我们没有执行交叉验证。

造成这种差异的原因可能是什么？我们缺少什么？请指教，提前谢谢。

【参考方案1】：

更新：我们发现了问题。 显然，当我们通过 API 拆分数据时，我们错过了一个样本，这导致了差异。