在 Matlab 中使用 Weka NaiveBayes

Question

我在 Weka 中创建了一个 NaiveBayes 模型。我将模型导出到磁盘。我现在想将此模型注入 MATLAB 2018，以便通过我收到的一些数据检查它的性能。

我在 MATLAB 中加载我的模型，方法如下：

loadedModel = weka.core.SerializationHelper.read('myweka.model');

然后我创建一个 Weka Instance 对象，并让它包含这些数据：

instance = infrequent,low,high,medium-high,high,medium,medium,low,low

如果我运行这两个命令：

loadedModel.distributionForInstance(instance)
loadedModel.classifyInstance(instance)

我看到以下输出：

0.0001
0.9999
1

这对我来说很奇怪，因为如果我在 WEKA ui 中观察到相同的记录，我会看到概率为 0.993 和 0.007 的相同实例，分类为“2”。 （我可以在 WEKA 中多次从磁盘加载相同的模型，并重现此行为，这是正确的）经过进一步调查，我注意到无论我的 Instance 对象具有的属性顺序如何，我总是得到相同的概率输出和通过 MATLAB 调用模型进行相同的分类。

网上有一些帖子有同样的问题，比如：

Always getting the same output

Weka - Classifier returns the same distribution for any input

但是，调用“instance.setClassMissing()”的推荐解决方案并没有解决我的问题。有什么我遗漏的，或者可以尝试做些什么来进一步解决问题吗？

Answer 1

您的测试实例是否与您的训练集具有相同的结构？如果没有，您需要提供相同的结构。

Weka 索引名义属性并在内部存储索引。所以训练文件中的名义属性顺序很重要。例如，如果您的属性在训练中被映射为低=>0，高=>1，您需要在测试集中像这样映射它们。通常这是通过用模型序列化火车头来实现的。

创建火车头的示例代码：

Instances trainHeader = new Instances(instances, 0);
trainHeader.setClassIndex(instances.classIndex());

创建新实例时设置其数据集：

Instance instance = ...
instance.setDataset(trainHeader);