Java集成Weka做逻辑回归（Logistic Regression）

Java集成Weka做逻辑回归（Logistic Regression）

从搜索引擎脑补可以得知，“逻辑回归”是一种分类器，通过样本集合的训练之后，可以简单做二元（或多元）分类。看了一下有用Weka做的，来来，咱也试一下。

以下给出Java集成Weka的工程。

准备

Weka的jar包
把Weka的jar包搞一个下来。网络上很多blog讲的都是用Weka工具怎么操作，也有一些代码，但奇怪似乎没有人提到weka的jar包在哪里。在下载weka安装程序的时候，发现是从sourceforge上下载，于是顺藤摸瓜，找到下载地址。

找样本数据
懒的编样本了，百度大法……从优快云某位朋友的贡献得到实验数据（仅数据哦）。等等，给weka使用之前，得编辑一下，修改成weka能读取的arff文件。

@RELATION mylogic

@ATTRIBUTE A REAL
@ATTRIBUTE B REAL
@ATTRIBUTE C {0,1}

@DATA
34.62365962451697,78.0246928153624,0
30.28671076822607,43.89499752400101,0
35.84740876993872,72.90219802708364,0
60.18259938620976,86.30855209546826,1
79.0327360507101,75.3443764369103,1
45.08327747668339,56.3163717815305,0
61.10666453684766,96.51142588489624,1
75.02474556738889,46.55401354116538,1
76.09878670226257,87.42056971926803,1
84.43281996120035,43.53339331072109,1
……

代码

起个工程
用Eclipse新建一个Java Application工程，然后添加weka的jar包。

添加可执行类

package wekaTest;

import java.io.File;
import java.io.IOException;

import weka.classifiers.functions.Logistic;
import weka.core.Instance;
import weka.core.Instances;
import weka.core.converters.ArffLoader;

public class LogisticRegression {

    // 训练得到分类器
    static Logistic trainModel(String arffFile) throws Exception {

        File inputFile = new File("data/LogisticRegression.arff"); //训练语料文件
        ArffLoader loader = new ArffLoader();
        loader.setFile(inputFile);
        Instances insTrain = loader.getDataSet(); // 读入训练文件
        insTrain.setClassIndex(2);
        Logistic logic=new Logistic();

        logic.buildClassifier(insTrain);//根据训练数据构造分类器

        return logic;
    }   

    public static void main(String[] args) throws Exception {

        final String arffFilePath = "data/LogisticRegression.arff";

        Logistic logic = trainModel(arffFilePath);

        ArffLoader loader = new ArffLoader();
        loader.setFile(new File(arffFilePath)); //测试语料文件
        Instances insTest =loader.getDataSet(); // 读入测试文件
        insTest.setClassIndex(2); //设置分类属性所在行号（第一行为0号）

        double sum = insTest.numInstances(); //测试语料实例数
        double right=0.0f;
        for(int i=0;i<sum;i++){

            Instance ins = insTest.instance(i);

            if(logic.classifyInstance(ins)==ins.classValue()) {
                right++;

                System.out.println("No.\t" + i + "\t" + ins.classValue() + " RIGHT");
            }
            else {
                System.out.println("No.\t" + i + "\t" + ins.classValue() + " WRONG");
            }
        }
        // 打印出分类的精确度
        System.out.println("classification precision:" + (right/sum));
    }
}

运行

执行这个类的main函数，得到：

No. 0   2.0 WRONG
No. 1   0.0 RIGHT
No. 2   0.0 RIGHT
No. 3   1.0 RIGHT
No. 4   1.0 RIGHT
No. 5   0.0 RIGHT
No. 6   1.0 RIGHT
No. 7   1.0 WRONG
No. 8   1.0 RIGHT
No. 9   1.0 RIGHT
No. 10  0.0 WRONG
……
classification precision:0.89

---

顺便说说weka工具怎么玩。
下载了weka-3-8-0jre-x64.exe （Windows版），然后安装，然后启动……然后我点了Explorer按钮：

然后选择Logistic

然后确认因变量，开始运行

---

参考：
- 【云深不知处的】优快云博客
- 【bdss58的专栏】优快云博客

下载：
- weka安装程序
- weka3.8的jar包
- 实验数据下载