Java 朴素贝叶斯分类器评估
Posted
技术标签:
【中文标题】Java 朴素贝叶斯分类器评估【英文标题】:Java Naive Bayes Classifier evaluation 【发布时间】:2014-11-03 05:58:19 【问题描述】:我是 weka 数据挖掘和评估的新手。到目前为止,我已经阅读了数据集。我想根据数据集预测我的数据。例如,我使用了 weka 工具提供的天气数据集。所以我使用过用于分类的朴素贝叶斯分类器。现在我得到了属性的概率值。现在我想使用数据集预测数据。例如,当我给出sunny,70,85,TRUE
时,我想获得类值的概率。到目前为止,我已经完成了这部分。谁能告诉我如何使用朴素贝叶斯分类器进行数据评估。
public static void ArfLoader()
ArffLoader loader = new ArffLoader();
try
loader.setFile(new File("sampleData.txt"));
Instances structure = loader.getStructure();
structure.setClassIndex(structure.numAttributes() - 1);
NaiveBayesUpdateable nb = new NaiveBayesUpdateable();
nb.buildClassifier(structure);
Instance current;
while ((current = loader.getNextInstance(structure)) != null)
nb.updateClassifier(current);
System.out.print(nb);
catch (IOException e)
// TODO Auto-generated catch block
e.printStackTrace();
catch (Exception e)
// TODO Auto-generated catch block
e.printStackTrace();
那么这是我的数据集。
@relation weather
@attribute outlook sunny, overcast, rainy
@attribute temperature real
@attribute humidity real
@attribute windy TRUE, FALSE
@attribute play yes, no
@data
sunny,85,85,FALSE,no
sunny,80,90,TRUE,no
overcast,83,86,FALSE,yes
rainy,70,96,FALSE,yes
rainy,68,80,FALSE,yes
rainy,65,70,TRUE,no
overcast,64,65,TRUE,yes
sunny,72,95,FALSE,no
sunny,69,70,FALSE,yes
rainy,75,80,FALSE,yes
sunny,75,70,TRUE,yes
overcast,72,90,TRUE,yes
overcast,81,75,FALSE,yes
rainy,71,91,TRUE,no
【问题讨论】:
【参考方案1】:您可以尝试如下所述的classifyInstance 方法,用于单独的测试集:
ArffLoader testingData = new ArffLoader();
testingData.setFile(new File("sample2.txt"));
Instances testingStructure = testingData.getStructure();
testingStructure.setClassIndex(structure.numAttributes() - 1);
Instance test;
while ((test = testingData.getNextInstance(testingStructure)) != null)
System.out.println(nb.classifyInstance(test));
希望对您有所帮助!
更新!
听起来您正在寻找每个测试用例的概率分布。也许您可以尝试以下方法:
String[] options = new String[7];
options[0] = "-t";
options[1] = "sample.arff";
options[2] = "-T";
options[3] = "sample2.arff";
options[4] = "-p";
options[5] = "2";
options[6] = "-distribution";
System.out.println(Evaluation.evaluateModel(nb, options));
这将包含每个案例的概率分布列表(训练数据 = sample.arff,测试数据 = sample2.arff,输出带有概率分布的测试预测)
【讨论】:
感谢您的帮助。这部分我已经完成了。所以我想提出我的价值观并检查概率。我的意思是我想发送我的价值观 Sunny,70,85,TRUE 并获得回应。 我已修改我的答案以使用可以输出概率分布的 Evaluation.evaluateModel 类。 感谢您的帮助。我正在寻找不同的东西。我有训练数据集。根据这些数据,我需要预测我的属性集的类值。以上是关于Java 朴素贝叶斯分类器评估的主要内容,如果未能解决你的问题,请参考以下文章