我是 Weka 新手。
我尝试使用 API 运行 WEKA,但发现 WEKA GUI 的结果与 Java 代码生成的结果不匹配。
我正在尝试通过提供训练集和测试集来运行随机森林算法。
这是代码片段:
DataSource ds = new DataSource(trainingFile);
Instances insts = ds.getDataSet();
insts.setClassIndex(insts.numAttributes() - 1);
Classifier cl = new RandomForest();
RandomForest rf = (RandomForest)cl;
// rf.setOptions(options);
// rf.setNumExecutionSlots(1);
rf.setNumFeatures(5);
rf.setSeed(1);
rf.setNumExecutionSlots(1);
Remove remove = new Remove();
int[] attrs = WekaCustomisation.convertIntegers(attrList);
remove.setAttributeIndicesArray(attrs);
remove.setInvertSelection(true);
remove.setInputFormat(insts);
insts = weka.filters.Filter.useFilter(insts, remove);
insts.setClassIndex(insts.numAttributes() - 1);
weka.core.Instances train = new weka.core.Instances(insts, 0, insts.numInstances());
cl.buildClassifier(train);
weka.core.converters.ConverterUtils.DataSource ds2 = new weka.core.converters.ConverterUtils.DataSource(testFile);
weka.core.Instances instsTest = ds2.getDataSet();
remove.setInputFormat(instsTest);
instsTest = weka.filters.Filter.useFilter(instsTest, remove);
instsTest.setClassIndex(instsTest.numAttributes() - 1);
Instances testInstances = new Instances(instsTest);
int numCorrect = 0;
weka.classifiers.Evaluation eval = new weka.classifiers.Evaluation(train);
eval.evaluateModel(cl, testInstances);
System.out.println(eval.toSummaryString());
out.write(eval.toSummaryString());
double roc = eval.areaUnderROC(0);
WEKA GUI 生成的混淆矩阵与此代码不同。我在这里缺少什么。
最佳答案
首先检查Weka GUI中执行的参数和过滤是否与您在代码中执行的相同。 (查看GUI中生成的日志)
第二种可能性是随机森林模型在其创建结构中具有的随机组件(为每个决策树选择数据集中的随机特征,请参阅 here )。因此,在训练阶段,同一训练数据集会生成不同的模型,当您使用测试进行评估时,您会得到不同的结果。
关于machine-learning - Java 中的 Weka UI 和 API 代码给出了不同的结果,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/11872974/