梦想风暴

<< Fluorida 0.0.1发布了! | 首页 | 2008-03-11 Hello, Weka Tag: 向上走 weka 数据挖掘 版权声明 :转载时请以超链接形式标明文章原始出处和作者信息及 本声明 http://dreamhead.blogbus.com/logs/16813833.html Weka,是一个用Java编写的数据挖掘软件。数据挖掘,从字面上来看,它是一个从数据中找寻有用信息的过程,不过,它涉及的内容很多,所以,这里借用“分类”这一面来说事。 分类,从名称上来看,再简单不过了,给你一样东西,给它分个类。你如何知道怎么分类呢?显然,这是基于你已有的经验。对于计算机而言,这种经验从何而来呢?只有让人来告诉它,也就是说,我们要拿一批数据训练计算机,经过训练的计算机,便具备了一定的识别能力,就可以完成一些简单的分类工作。现实中,可以用到分类的机会有很多,比如我之前,曾经参与过的一个项目就是用这种方法来做车辆的识别。 下面便是一段使用Weka完成一段分类程序。 import weka.classifiers.Classifier; import weka.classifiers.bayes.NaiveBayesMultinomial; import weka.core.Attribute; import weka.core.FastVector; import weka.core.Instance; import weka.core.Instances; import weka.filters.Filter; import weka.filters.unsupervised.attribute.StringToWordVector; public class Main { private static final String GOOD = "G"; private static final String BAD = "B"; private static final String CATEGORY = "category"; private static final String TEXT = "text"; private static final int INIT_CAPACITY = 100; private static final String[][] TRAINING_DATA = { {"Good", GOOD}, {"Wonderful", GOOD}, {"Cool", GOOD}, {"Bad", BAD}, {"Disaster", BAD}, {"Terrible", BAD} }; private static final String TEST_DATA = "Good"; private static Filter filter = new StringToWordVector(); private static Classifier classifier = new NaiveBayesMultinomial(); public static void main(String[] args) throws Exception { FastVector categories = new FastVector(); categories.addElement(GOOD); categories.addElement(BAD); FastVector attributes = new FastVector(); attributes.addElement(new Attribute(TEXT, (FastVector)null)); attributes.addElement(new Attribute(CATEGORY, categories)); Instances instances = new Instances("Weka", attributes, INIT_CAPACITY); instances.setClassIndex(instances.numAttributes() - 1); for (String[] pair : TRAINING_DATA) { String text = pair[0]; String category = pair[1]; Instance instance = createInstanceByText(instances, text); instance.setClassValue(category); instances.add(instance); } filter.setInputFormat(instances); Instances filteredInstances = Filter.useFilter(instances, filter); classifier.buildClassifier(filteredInstances); // Test String testText = TEST_DATA; Instance testInstance = createTestInstance(instances.stringFreeStructure(), testText); double predicted = classifier.classifyInstance(testInstance); String category = instances.classAttribute().value((int)predicted); System.out.println(category); } private static Instance createInstanceByText(Instances data, String text) { Attribute textAtt = data.attribute(TEXT); int index = textAtt.addStringValue(text); Instance instance = new Instance(2); instance.setValue(textAtt, index); instance.setDataset(data); return instance; } private static Instance createTestInstance(Instances data, String text) throws Exception { Instance testInstance = createInstanceByText(data, text); filter.input(testInstance); return filter.output(); } } 这个程序分成两个大部分,前半部分用以训练分类器,后半部分则是测试这个分类器。 训练分类器,我们要做的包括,选择分类算法和准备训练数据。在Weka中,每一种分类算法都是Classifier的一个子类,这样的话,就可以在不改变其它部分的情况下,很容易的修改分类算法。 其实,稍微了解一下这方面的知识的人,都会知道,分类算法固然重要,但真正决定一个分类器本事大小的,是用以训练的数据。想要得到一个好的分类器,少不了不断调整训练数据和不断的训练。这同人类认识问题是一样的,经得多,见得广,才有更好的分辨能力。 在Weka中,用以训练的数据就是Instances,顾名思义,这是Instance的复数,显而易见,单独的一个训练数据就是Instance,而Instances这个类的存在,可以把Instance的一些公共的属性放到一起。在这里,我们可以看到,为了用文本作为训练数据,我们会把文本转换为Instance。同样,测试分类器的时候,我们也会把文本转换为一个Instance,然后再进行分类。 除此之外,这里还有一个Filter的概念,同常见的filter概念类似,它给了我们一个进行正式处理之前,对数据进行处理的机会。在这里,主要是对Instance做一些相关的变换。 当我们得到一个分类器之后,就可以利用这个分类器进行分类了,其中,最关键的代码是 classifier.classifyInstance(testInstance); 这段代码返回的是根据分类算法计算结果得到的一个相似度,我们可以利用这个值来估计我们测试用的数据应该属于哪个分类。 从代码上来说,这段代码本身并不复杂。正如前面所说,一个好的分类器是需要让数据帮忙的。所以,换几个测试数据,你就会发现,这段代码中实现的分类器一点都不强大。如果希望它强大起来,扩展训练数据是一个必然的结果。不过,对于这篇blog而言,这不重要,因为我们只是要和Weka问个好,进一步的工作,还需要进一步的努力。 引用地址: dreamhead 发表于 16:55 | 编辑 | 继续话题 | 转发 | 推荐 发表评论

原始快照:web.archive.org