WEKA 为实例方法分类实例和分布答案

【问题标题】：WEKA classifyinstance and distributionforinstance methodsWEKA 为实例方法分类实例和分布
【发布时间】：2012-06-30 17:23:40
【问题描述】：

在 WEKA 中，当我尝试使用必须使用 SVM 使用经过训练的模型进行分类的实例来调试代码时，我看到我首先进入分类实例（）来分类测试实例，然后此方法调用 distributionforinstance （）方法。在那里，在distributionforinstance() 方法中，我看到我们调用了classifyinstance() 方法。

这两种方法相互回调，这难道不是一个先有后天的问题吗？这里发生了什么？

【问题讨论】：

当时我写了一个分类器，一切正常。请注意，这些是抽象方法，您应该在实现中覆盖其中一个。如果您的分类器返回一个分布，那么 WEKA 可以使用超类中的分类实例方法来根据分布只选择最好的。我可能是错的，我已经很久没有触及这个主题了。

标签： java machine-learning data-mining weka

【解决方案1】：

Rekin的评论是正确的：

如果您只是从Classifier 派生，则继承了classifyInstance() 和distributionforinstance() 的默认实现。您需要至少实现两者之一才能使其工作。

当您调试代码时，调试器可能会以某种方式跳转到抽象类 Classifier，而不是特定的 SVM 实现。

【讨论】：

【解决方案2】：

大多数情况下（并非总是），distributionForInstance 用于回归研究，而classifyInstance 用于分类研究。当然distributionForInstance命令也可以用于分类，但这需要多几行代码。

我强烈阅读this post 并运行这个GitHub 项目on your local environment。

【讨论】：