在 weka 中自动对 arff 文件运行多个分类器

Posted 2023-03-12

技术标签:

【中文标题】在 weka 中自动对 arff 文件运行多个分类器【英文标题】：Run multiple classifiers on arff files in weka automatically 【发布时间】：2016-03-06 04:55:13 【问题描述】：

我必须在 weka 中运行许多 arff 文件，并且对于每个文件我必须运行多个分类器 - MLP、RandomForest、FURIA 等，每个分类器具有不同的测试选项，并存储它们的每个结果。手动执行每个操作非常耗时。我正在寻找一些可以自动化该过程的方法或脚本。我必须承认我是机器学习的新手，对脚本一无所知。我找到了这个-https://sites.google.com/site/svaisipour/utilities/cs-for-biologist/weka-runner，虽然我知道如何在这里操作分类器，但我不明白如何将测试选项从交叉验证更改为百分比分割。

请告诉我任何可能对我有帮助的方法。任何帮助将不胜感激。

【问题讨论】：

【参考方案1】：

如果您有信心从自己的 Java 代码中运行 Weka，您可以创建一个包含您选择的分类器和文件的数组，并在它们中循环进行测试。代码将是这样的（训练和测试之间的比例为 80/20）：

    String[] filePaths = "/some/data1.arff", "/some/data2.arff", "/some/data3.arff";
    for (String path : filePaths) 
        DataSource source = new DataSource(path);
        Instances data = source.getDataSet();
        if (data.classIndex() == -1) 
            data.setClassIndex(data.numAttributes() - 1);
        

        data.randomize(new java.util.Random(0));
        int trainSize = (int) Math.round(data.numInstances() * 0.8);
        int testSize = data.numInstances() - trainSize;
        Instances train = new Instances(data, 0, trainSize);
        Instances test = new Instances(data, trainSize, testSize);

        Classifier[] classifiers = new NaiveBayes, new J48, new MultilayerPerceptron;

        for (Classifier c : classifiers) 
            Classifier cls = c;
            cls.buildClassifier(train);
            Evaluation eval = new Evaluation(train);
            eval.evaluateModel(cls, test);
            System.out.println(eval.toSummaryString("\nResults\n======\n", false));

【讨论】：

【参考方案2】：

您可以从命令行运行 Weka。您首先需要将 Weka.jar 添加到您的类路径中。然后就可以通过命令行开始读取文件、运行过滤器、分类器等。您可以从Weka Primer 轻松开始。

例如，您可以使用以下命令运行 randomForest：

java weka.classifiers.trees.RandomForest -I 10 -S 1 -t data.arff -x 10

地点：

-I <number of trees> Specifies the number of trees to build.
-S <seed number>  Specifies the seed for random number generator.
-t <name of training file> Sets training file.
-x <number of folds> Sets number of folds for cross-validation

你可以找到详细的规格here。

如果你想使用拆分百分比而不是交叉验证，你只需替换