Weka開発〔3〕-Eveluation類
2725 ワード
前回の最后の结果は1つの分类の値で、みんなを大いに失望させるかもしれませんが、今回はみんなに1つの比较的に完璧な答えをあげて、これはEvaluation类で、今回はただ最も简単な使い方を言って、まず1つのEvaluationオブジェクトを初期化して、Evaluation类は参のない构造関数がなくて、普通はInstancesオブジェクトを构造関数のパラメータとして使います.
トレーニングセットとテストセットを別々にしていない場合は、Cross Validationメソッドを使用します.EvaluationのcrossValidateModelメソッドの4つのパラメータは、1つ目が分類器で、2つ目があるデータセットで評価されたデータセットで、3つ目のパラメータはフォークチェックの回数(10は比較的一般的)、4つ目が乱数オブジェクトです.
トレーニングセットとテストセットがある場合は、EvaluationクラスのevaluateModelメソッドを使用します.メソッドのパラメータは、1番目がトレーニングされた分類器であり、2番目のパラメータは、あるデータセットで評価されたデータセットです.例の中で私は简単に训练集で再びテスト集にするために、みんながぼんやりしないことを望みます.
注意してください.crossValidateModelを使用する場合、分類器は先に訓練する必要はありません.これも常識であるはずです.
Evaluationでは様々な出力方法が提供されていますが、wekaソフトウェアを使用すると、出力結果がソフトウェアのいずれかの表示結果に対応していることがわかります.例の3つの方法toClassDetailsString,toSummaryString,toMatrixStringが一般的である.
トレーニングセットとテストセットを別々にしていない場合は、Cross Validationメソッドを使用します.EvaluationのcrossValidateModelメソッドの4つのパラメータは、1つ目が分類器で、2つ目があるデータセットで評価されたデータセットで、3つ目のパラメータはフォークチェックの回数(10は比較的一般的)、4つ目が乱数オブジェクトです.
トレーニングセットとテストセットがある場合は、EvaluationクラスのevaluateModelメソッドを使用します.メソッドのパラメータは、1番目がトレーニングされた分類器であり、2番目のパラメータは、あるデータセットで評価されたデータセットです.例の中で私は简単に训练集で再びテスト集にするために、みんながぼんやりしないことを望みます.
注意してください.crossValidateModelを使用する場合、分類器は先に訓練する必要はありません.これも常識であるはずです.
Evaluationでは様々な出力方法が提供されていますが、wekaソフトウェアを使用すると、出力結果がソフトウェアのいずれかの表示結果に対応していることがわかります.例の3つの方法toClassDetailsString,toSummaryString,toMatrixStringが一般的である.
package instanceTest;
import java.io.FileReader;
import java.util.Random;
import weka.classifiers.Evaluation;
import weka.classifiers.trees.J48;
import weka.core.Instances;
public class EvaluationTest{
private Instances m_instances = null;
public void getFileInstances( String fileName ) throws Exception {
FileReader frData = new FileReader( fileName );
m_instances = new Instances( frData );
m_instances.setClassIndex( m_instances.numAttributes() - 1 );
}
public void crossValidation() throws Exception {
J48 classifier = new J48();
//NaiveBayes classifier = new NaiveBayes();
//SMO classifier = new SMO();
Evaluation eval = new Evaluation( m_instances );
eval.crossValidateModel( classifier, m_instances, 10, new Random(1));
System.out.println(eval.toClassDetailsString());
System.out.println(eval.toSummaryString());
System.out.println(eval.toMatrixString());
}
public void evaluateTestData() throws Exception {
J48 classifier = new J48();
//NaiveBayes classifier = new NaiveBayes();
//SMO classifier = new SMO();
classifier.buildClassifier( m_instances );
Evaluation eval = new Evaluation( m_instances );
eval.evaluateModel( classifier, m_instances );
System.out.println(eval.toClassDetailsString());
System.out.println(eval.toSummaryString());
System.out.println(eval.toMatrixString());
}
public static void main( String[] args ) throws Exception {
EvaluationTest etest = new EvaluationTest();
etest.getFileInstances( "F://Program Files//Weka-3-4//data//contact-lenses.arff");
etest.crossValidation();
System.out.println( "***********************************
" );
etest.evaluateTestData();
}
}