我必须在 weka 中运行许多 arff 文件，并且对于每个文件我必须运行多个分类器 - MLP、RandomForest、FURIA 等，每个分类器具有不同的测试选项，并存储它们的每个结果。手动执行每个操作非常耗时。我正在寻找一些可以自动化该过程的方法或脚本。 我必须承认我是机器学习的新手，对脚本一无所知。我找到了这个-https://sites.google.com/site/svaisipour/utilities/cs-for-biologist/weka-runner，虽然我知道如何在这里操作分类器，但我不明白如何将测试选项从交叉验证更改为百分比分割。
请告诉我任何可能对我有帮助的方法。任何帮助将不胜感激。
【问题讨论】：
标签： machine-learning classification weka arff
如果您有信心从自己的 Java 代码中运行 Weka，您可以创建一个包含您选择的分类器和文件的数组，并在它们中循环进行测试。代码将是这样的（训练和测试之间的比例为 80/20）：
String[] filePaths = {"/some/data1.arff", "/some/data2.arff", "/some/data3.arff"};
for (String path : filePaths) {
DataSource source = new DataSource(path);
Instances data = source.getDataSet();
if (data.classIndex() == -1) {
data.setClassIndex(data.numAttributes() - 1);
}
data.randomize(new java.util.Random(0));
int trainSize = (int) Math.round(data.numInstances() * 0.8);
int testSize = data.numInstances() - trainSize;
Instances train = new Instances(data, 0, trainSize);
Instances test = new Instances(data, trainSize, testSize);
Classifier[] classifiers = {new NaiveBayes, new J48, new MultilayerPerceptron};
for (Classifier c : classifiers) {
Classifier cls = c;
cls.buildClassifier(train);
Evaluation eval = new Evaluation(train);
eval.evaluateModel(cls, test);
System.out.println(eval.toSummaryString("\nResults\n======\n", false));
}
}
【讨论】：
您可以从命令行运行 Weka。您首先需要将 Weka.jar 添加到您的类路径中。然后就可以通过命令行开始读取文件、运行过滤器、分类器等。您可以从Weka Primer 轻松开始。
例如，您可以使用以下命令运行 randomForest：
java weka.classifiers.trees.RandomForest -I 10 -S 1 -t data.arff -x 10
地点：
-I <number of trees> Specifies the number of trees to build.
-S <seed number> Specifies the seed for random number generator.
-t <name of training file> Sets training file.
-x <number of folds> Sets number of folds for cross-validation
你可以找到详细的规格here。
如果你想使用拆分百分比而不是交叉验证，你只需替换
-x <number of folds>
与
-split-percentage <percentage>
或者，您可以通过 -T 指定单独的测试集：
-T <name of test file> Sets test file.
如果您按照说明运行命令，结果将打印在命令行中。如果您想将它们保存在单独的文件中，您可以按照建议here
【讨论】：
您可以为此使用 Weka Experimenter GUI。
接下来会出现一个大对话框。
要运行多种算法的实验，您必须点击那里的“新建”按钮，然后……哦，好吧……这个video about the experimenter 将帮助您开始。
【讨论】：