weka3.8-README(三)_paceregression-优快云博客

本文介绍了Weka的实验包，支持运行实验，涉及多种结果生产者和监听器，可进行不同评估。还提及Weka手册、源代码位置，给出贡献者列表网页。说明了调用代码和提交包的要求，以及错误报告方式，最后指出核心系统和软件包的版权情况。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

6. 实验包

支持运行实验，涉及在多个数据集上对数据集的重复随机化评估分类器（除此之外，您可以做更多的事情）。这个类位于weka.experiment包中。基本体系结构是ResultProducer（在数据集的某些随机化上生成结果）将结果发送到ResultListener（它负责声明它是否已经有结果，否则存储结果）。
示例ResultListeners包括：

weka.experiment.CSVResultListener：将结果输出为逗号分隔值文件。
weka.experiment.InstancesResultListener：将结果转换为一组实例。
weka.experiment.DatabaseResultListener：通过JDBC将结果发送到数据库。

示例ResultProducers包括：

weka.experiment.RandomSplitResultProducer: 对％split进行训练/测试
weka.experiment.CrossValidationResultProducer: n折交叉验证
weka.experiment.AveragingResultProducer: 平均来自另一个ResultPoducer的结果
weka.experiment.DatabaseResultProducer: 充当结果的缓存，将它们存储在数据库中

RandomSplitResultProducer和CrossValidationResultProducer使用SplitEvaluator获取特定拆分的实际结果，提供ClassifierSplitEvaluator（用于名义分类）和RegressionSplitEvaluator（用于数字分类）。

其中，每个都使用分类器来生成实际结果。
因此，您可能有一个DatabaseResultListener，它是从AveragingResultProducer发送的结果，它产生n次CrossValidationResultProducer每次运行产生的n个结果的平均值，而这个结果又通过ClassifierSplitEvaluator进行名义分类，后者使用OneR进行预测。但是你可以把这些东西结合在一起，做你想做的任何事情。您可能希望编写一个LearningRateResultProducer，将数据集拆分为越来越多的训练实例。
要从命令行运行简单实验，请尝试：

java weka.experiment.Experiment -r -T datasets/UCI/iris.arff  \
  -D weka.experiment.InstancesResultListener \
  -P weka.experiment.RandomSplitResultProducer -- \
  -W weka.experiment.ClassifierSplitEvaluator -- \
  -W weka.classifiers.rules.OneR

（尝试“java weka.experiment.Experiment -h”以找出这些选项的含义）如果将结果作为一组实例，则可以使用weka.experiment.PairedTTester执行配对t检验（使用-h选项）找出它需要的选项）。
如果您使用Experimenter GUI，这一切都会更容易。

7. Weka手册

一本涵盖Weka图形和命令行用户界面的综合手册。 $ WEKAINSTALL / WekaManual.pdf

8. 源代码

WEKA的源代码是在$ WEKAINSTALL / weka-src.jar中。要扩展它，请使用每个Java发行版（或任何可以处理ZIP文件的文件存档器）中的jar实用程序。

9. 贡献者列表

请参阅网页以获取贡献者列表：

http://www.cs.waikato.ac.nz/~ml/weka/

10. 调用代码和错误报告

如果您已实施学习方案，请跳过，应用程序，可视化工具等，使用WEKA类，您希望将它提供给社区，然后创建一个Weka“包”并将您的包的“Description.props”文件提交给我们。我们将检查包以确保它按照所宣传的方式工作，并且不包含任何“恶意”，然后将Description.props添加到Sourceforge上托管的中央包元数据存储库。托管可下载软件包是贡献者的责任。
新分类器（一般的方案）的条件是，首先，它们必须在著名会议（例如，ICML）的会议记录中发布，或者作为核心期刊（例如，机器学习）的文章发布，其次，它们优于其他标准方案（例如，J48 / C4.5）。
有关为Weka做出贡献以及如何创建Weka包的更多信息，请参阅Weka手册（$ WEKAINSTALL / WekaManual.pdf）。
如果您发现任何错误，请向wekalist邮件列表发送错误报告。
1）对于核心Weka组件，即主weka.jar文件中的所有内容（不包括包），向wekalist邮件列表发送错误报告。
2）对于包，检查包描述（在Sourceforge在线或使用包管理系统）并直接联系包的维护者。