Weka中的实例分类

Question

我正在尝试在我的 C# 应用程序中使用 Weka。我使用 IKVM 将 Java 部分引入我的 .NET 应用程序。这似乎工作得很好。但是，当谈到 Weka 的 API 时，我不知所措。如果实例在我的应用程序中以编程方式传递并且不能作为 ARFF 文件提供，我将如何对实例进行分类。

基本上，我正在尝试使用 Weka 的分类器集成一个简单的共指分析。我直接在 Weka 中构建了分类模型并将其保存到磁盘，我的 .NET 应用程序从那里打开它并使用 Weka 的 IKVM 端口来预测类值。

这是我目前得到的：

    // This is the "entry" method for the classification method
    public IEnumerable<AttributedTokenDecorator> Execute(IEnumerable<TokenPair> items)
    {
        TokenPair[] pairs = items.ToArray();
        Classifier model = ReadModel(); // reads the Weka generated model
        FastVector fv = CreateFastVector(pairs);

        Instances instances = new Instances("licora", fv, pairs.Length);
        CreateInstances(instances, pairs);

        for(int i = 0; i < instances.numInstances(); i++)
        {
            Instance instance = instances.instance(i);
            double classification = model.classifyInstance(instance); // array index out of bounds?

            if(AsBoolean(classification))
                MakeCoreferent(pairs[i]);
        }

        throw new NotImplementedException(); // TODO
    }

    // This is a helper method to create instances from the internal model files
    private static void CreateInstances(Instances instances, IEnumerable<TokenPair> pairs)
    {
        instances.setClassIndex(instances.numAttributes() - 1);
        foreach(var pair in pairs)
        {
            var instance = new Instance(instances.numAttributes());
            instance.setDataset(instances);
            for (int i = 0; i < instances.numAttributes(); i++)
            {
                var attribute = instances.attribute(i);
                if (pair.Features.ContainsKey(attribute.name()) && pair.Features[attribute.name()] != null)
                {
                    var value = pair.Features[attribute.name()];
                    if (attribute.isNumeric()) instance.setValue(attribute, Convert.ToDouble(value));
                    else instance.setValue(attribute, value.ToString());
                }
                else
                {
                    instance.setMissing(attribute);
                }
            }
            //instance.setClassMissing();
            instances.add(instance);
        }
    }

    // This creates the data set's attributes vector
    private FastVector CreateFastVector(TokenPair[] pairs)
    {
        var fv = new FastVector();

        foreach (var attribute in _features)
        {
            Attribute att;
            if (attribute.Type.Equals(ArffType.Nominal))
            {
                var values = new FastVector();
                ExtractValues(values, pairs, attribute.FeatureName);
                att = new Attribute(attribute.FeatureName, values);
            }
            else
                att = new Attribute(attribute.FeatureName);

            fv.addElement(att);
        }

        {
            var classValues = new FastVector(2);
            classValues.addElement("0");
            classValues.addElement("1");
            var classAttribute = new Attribute("isCoref", classValues);
            fv.addElement(classAttribute);
        }

        return fv;
    }

    // This extracts observed values for nominal attributes
    private static void ExtractValues(FastVector values, IEnumerable<TokenPair> pairs, string featureName)
    {
        var strings = (from x in pairs
                       where x.Features.ContainsKey(featureName) && x.Features[featureName] != null
                       select x.Features[featureName].ToString())
            .Distinct().ToArray();

        foreach (var s in strings)
            values.addElement(s);
    }

    private Classifier ReadModel()
    {
        return (Classifier) SerializationHelper.read(_model);
    }

    private static bool AsBoolean(double classifyInstance)
    {
        return classifyInstance >= 0.5;
    }

由于某种原因，当我调用 model.classifyInstance(instance) 时，Weka 抛出了 IndexOutOfRangeException。我不知道为什么，也想不出如何解决这个问题。

我希望有人可能知道我哪里出错了。我发现的唯一 Weka 文档依赖于 ARFF 文件进行预测，我真的不想去那里。

Answer 1

出于某种奇怪的原因，DTNB 分类器引发了此异常（我在多数投票分类模型中使用了三个）。显然，不使用 DTNB “修复”了这个问题。