weka学习(2)——Classifier(类别)

Weka之进一步了解分类器 以使用UserClassifier分类器建立决策树为例,进一步了解分类器。 1、打开Explorer界面,选择数据集segment-challenge.arff。 这是一个比较复杂的关于图像分析的数据集。详情请看: 2、打开classify面板,选择UserClassifier分类器。 若无此分类器,至Tools->package manager下载即可。 3、选择测试集segment-... 阅读详情

参考:http://quweiprotoss.blog.163.com/blog/static/40882883200810287352690/

 

 

public class ClassifierTest {
	private Instances m_instances = null;

	public void getFileInstances(String fileName) throws Exception {

		FileReader frData = new FileReader(fileName);

		m_instances = new Instances(frData);

		//1、Instances.numAttributes():记录参数的个数
		//2、Instances.setClassIndex(int):设置类别是那一列数据 (列标是从0开始)
		m_instances.setClassIndex(m_instances.numAttributes() - 1);

	}

	public void classify() throws Exception {
		//3、J48是分类器
		J48 classifier = new J48();
		//4、Classifier.buildClassifier(Instances):对文本实例分类
		classifier.buildClassifier(m_instances);
		//5、Classifier.classifyInstance(Instance):获取单个记录的类别
		System.out.println(classifier.classifyInstance(m_instances.instance(0)));
	}

	public static void main(String[] args) throws Exception {
		ClassifierTest ctest = new ClassifierTest();

		ctest.getFileInstances("C:/Program Files/Weka-3-6/data/breast-cancer.arff");

		ctest.classify();
	}
}


 

1、Instances.numAttributes():记录参数的个数

 

2、Instances.setClassIndex(int):设置类别是那一列数据 (列标是从0开始)

 

3、J48是分类器,继承Classifier;

 

4、Classifier.buildClassifier(Instances):对文本实例分类

 

5、Classifier.classifyInstance(Instance):获取单个记录的类别

 

 

 

Weka之分类器(classifier)的使用 1、打开Explorer界面,选择数据集(这里以glass.arff为例)点击Classify面板,点击左上角的choose。 2、打开Explorer界面,选择数据集(这里以glass.arff为例)点击Classify面板,点击左上角的choose,将显示贝叶斯分类器、函数分类器、懒惰分类器、元分类器等分类器。 这里选择决策树中经典的J48分类器为例。 3、点击Start,开始分类。 4... 阅读详情

相关推荐

Andrew Ng机器学习笔记+Weka相关算法实现(六)SMO/LibSVM/SVM参数

SMO算法,坐标上升法,LibSVM,Weka中的SMO和MultiClassClassifier分类器的使用,SVM参数含义,SVM参数寻优技巧,SVM使用注意事项

乔阳的博客 9766

机器学习:weka中添加自己的分类和聚类算法

  不管是实验室研究机器学习算法或是公司研发,都有需要自己改进算法的时候,下面就说说怎么在weka里增加改进的机器学习算法。   一 添加分类算法的流程   1 编写的分类器必须继承 Classifier或是Classifier的子类;下面用比较简单的zeroR举例说明;   2 复写接口 buildClassifier,其是主要的方法之一,功能是构造分类器,训练模型;   3 复写接口 ...

weixin_33796177的博客 463

Weka算法Classifier-tree-J48源码分析(一)算法和基本数据结构

Weka分类树J48源码解析

锐之锋芒 2万+

机器学习:调用weka的Classifier分类器代码Demo

weka中实现了很多机器学习算法,不管实验室研究或者公司研发,都会或多或少的要使用weka,我的理解是weka是在本地的SparkML,SparkML是分布式的大数据处理机器学习算法,数据量不是很大的时候,使用weka可以模拟出很好的效果,决定使用哪个模型,然后再继续后续的数据挖掘工作。 下面总结一个eclipse中调用weka的Classifier分类器代码的Demo,通过这个实例,可以进一步跟...

qq_29928513的博客 888

weka 源码解析 classifier类

详细讲述了weka中classifier类的使用方法,清晰

基于weka的文本分类器

这一我自己写的weka文本分类器,里面有代码的注视,也有样本数据,可以方便大家入门使用

Trainable Weka Segmentation 插件使用指南

Trainable Weka Segmentation 是 Fiji(增强版 ImageJ)中的一个重要插件,用于实现基于机器学习算法的可训练图像分割功能。该项目将机器学习与图像处理领域相结合,提供了一个强大的像素分类框架,支持边缘检测、语义分割以及对象检测与定位等多种应用场景。 ## 项目目录结构 ``` Trainable_Segmentation/ ├── LICENSE.txt

gitblog_00762的博客 1208

Weka各类分类器的使用(Java)

Java使用Weka的整个流程,内有示例。配置:MyEclipse2013+Weka3.6+libsvm3.18+Jdk1.7+Win8.1

Weka算法Classifier-tree-RandomForest源码分析(二)代码实现

Weka算法Classifier-tree-RandomForest源码分析(二)代码实现

锐之锋芒 8686

保姆级图解:FD-SOI工艺流程中的关键三步(外延生长、应变硅、HKMG)

本文详细解析了FD-SOI工艺流程中的三大关键技术:外延生长、应变硅工程和HKMG集成。通过选择性外延生长技术优化接触电阻,利用应变硅提升载流子迁移率,并结合先栅高k金属栅工艺实现精准栅极控制,FD-SOI技术在智能手机处理器和自动驾驶芯片制造中展现出卓越的低功耗与高性能平衡。

weixin_29267307的博客 490

从YOLOv8到RTDETR:如何将训练后的YOLO指标无缝转换为COCO格式

本文详细介绍了如何将训练后的YOLOv8指标无缝转换为COCO格式,特别适用于RTDETR模型的评估。通过数据准备、指标转换流程和实际项目经验,帮助开发者解决YOLO与COCO指标差异问题,提升模型评估的准确性和权威性。

weixin_29085151的博客 378

weka介绍(转贴)

1)Weka: Weka,一个机器学习开源项目的简称(Waikato Environment for Knowledge Analysis,http://www.cs.waikato.ac.nz/~ml/weka/ )。Weka项目从1992年开始,由新西兰政府支持,现在已在机器学习领域大名鼎鼎。Weka里有非常全面的机器学习 算法,包括数据预处理、分类、回归、聚类、关联规则等。Wek...

eric的学习笔记 389

V-REP(Cooprliesim EDU)自学笔记 实现UR5机械臂末端按轨迹移动

V-REP(Cooprliesim EDU)自学笔记 实现UR5机械臂末端按轨迹移动

xu_white的博客 7583

weka分类器怎么设置类别_类别不均衡问题

本文主要参考周志华老师的《机器学习》。类别不均衡就是指分类任务中不同类别的训练样例数目差别很大的情况。一、应用场景异常检测场景。大多数企业中的异常个案都是少量的,比如恶意刷单、黄牛订单、信用卡欺诈、电力窃电、设备故障等,这些数据样本所占的比例通常是整体样本中很少的一部分,以信用卡欺诈为例,刷实体信用卡的欺诈比例一般都在0.1%以内。 罕见事件的分析。罕见事件与异常检测类似,都属于发生个案较少;但不...

weixin_39576270的博客 643

利用按键精灵实现批量截图与智能命名的高效工作流

本文详细介绍了如何利用按键精灵软件构建高效的批量截图与智能命名自动化工作流。通过基础脚本编写、循环逻辑实现及高级命名策略,解决手动操作耗时易错的问题,帮助用户实现一键自动截图、智能保存与文件重命名,大幅提升软件测试、教程制作及数据报告等场景的工作效率。

weixin_29268267的博客 569

地平线旭日X3开发板--使用Opencv显示CSI摄像头例程

但是从libsrcampy获取的摄像头图像格式是NV12,无法直接在opencv上显示或者处理,调试过程发现旭日派无法直接用opencv的VideoCapture()调用CSI摄像头,需要使用opencv来做开发的小伙伴可以做个参考,效果如下图所示。需要使用libsrcampy库来获取CSI摄像头图像,为了能够使用opencv的API来处理图像,需要增加NV12转化成bgr像素格式的函数。opencv显示图像.png。

bingdund的博客 541

在Java中使用weka:ZeroR分类器

/* * This program is free software; you can redistribute it and/or modify * it under the terms of the GNU General Public License as published by * the Free Software Foundation; either vers

Bryan__的专栏 3173

通过python+openCV实现对图片中箭头方向的判断

摘要: 针对YOLOv8算法在箭头方向识别效果不佳的问题,提出了一种基于OpenCV的解决方案。该方法通过图像预处理、轮廓分析、几何特征提取(凸包、质心、外接矩形)和方向向量计算,准确判断箭头的上下左右方向。代码示例展示了从图像读取到方向识别的完整流程,并提供了优化建议(如调整二值化阈值、处理多轮廓)。该方案在Windows11+Python3.12+OpenCV环境下验证有效,适用于需要简单几何特征分析的箭头方向检测场景。

AnChenliang_1002的博客 700

Weka算法Classifier-tree-J48源代码分析(一个)基本数据结构和算法

大约一年,我没有照顾的博客,再次拿起笔不知从何写上,想来想去手从最近使用Weka要正确书写。 Weka为一个Java基础上的机器学习工具。上手简单,并提供图形化界面。提供如分类、聚类、频繁项挖掘等工具。本篇文章主要写一下分类器算法中的J48算法及事实上现。 一、算法 J48是基于C4.5实现的决策树算法。对于C4.5算法相关资料太多了。笔者在这里...

weixin_33759269的博客 336

PX4从放弃到精通(三):使用qt编译PX4

1 下载px4源码 2在Firmware所在目录下执行 mkdir Firmware-build cd Firmware-build cmake …/Firmware -G “CodeBlocks - Unix Makefiles” -DCONFIG=nuttx_px4_fmu-v5_default 第三步最后的px4_fmu-v5_default根据自己的情况修改 执行完后如图 打开QT 点击打开工程 选择源码的CmakeLists.txt文件 选择imported Kit 打开项目那一栏,构建目

超维空间科技的博客 1万+

【华为OD机试真题 新系统】1043、魔法咒语组合 | 机试真题+思路参考+代码解析(C++、Java、Py、C语言、JS)

【华为OD机试真题 新系统】1043、魔法咒语组合 | 机试真题+思路参考+代码解析(C++、Java、Py、C语言、JS) 华为od机试,华为od机试真题,华为od机试E卷,华为odE卷,华为od机试真题E卷,华为OD,华为OD机试,华为OD机试真题,华为od机考,华为od机试D卷,华为od机试真题D卷,华为od手撕代码,华为od,华为od机试C卷,华为od e卷,华为2026e卷,od机试,2026E卷,华为OD机试E卷,什么是华为od,华为od介绍,全面了解华为od,2026华为od,如何备战华为od

KJ.JK 281

Weka 分类树输出结果解析 Weighted.avg

本文是对weka分类树的结果解释,集合了其它的博文 我们使用的是weka自带的weather数据库 先看左侧, classifier是分类方法,J48是递归分治策略; cross-validation表示交叉验证,使用了10-Folds percentage split 表示分割比例,用以分割训练集和测试集(猜的) 再看看output,yes(9/3)(5/2) 表示训练集里3个yes,测试集里2个yes 其他的: 百度文库里挺好,对照着来 说明一下weighted.Avg, 以Precision为例

deercho的博客 2001

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

weka文本分类的试验

试验机器是i686平台32位ubuntu系统,500G ROM,4G RAM,1.46GHZ 双核CPU 1.下载weka数据挖掘软件,安装到系统,将weka.jar添加到classpath环境变量当中 2.下载文本数据集 使用的是路透新闻语料Reuters21578,直接下载的数据集不适合weka处理,需要转换成arff格式。可以从此处下载厦门大学邹博士已经处理好的数据

py79hn的专栏 2721

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

weka分类器怎么设置样本类别_NeurIPS 2019 少样本学习研究亮点全解析

机器之心原创作者:Angulia Chao编辑:Joni Zhong少样本学习(Few-Shot Learning)是近两年来非常有研究潜力的一个子方向,由于深度学习在各学科交叉研究与商业场景都有比较普遍的应用,然而训练出高精度模型的情况大部分来源于充足的训练数据,这一条件在很多实际应用场景中是比较难以满足的,同时刻意收集大量数据并且进行人为标记也对应较大的付出。针对此类痛点,少样本学习被提出并进...

weixin_40004960的博客 184
上一篇: weka学习(1)——Instances
下一篇: 用mount挂载远程服务器网络硬盘
longyi_java
博客等级 码龄20年 24粉丝 127原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值