xwq的博客

C45决策树从J48.Java文件中的buildClassifer函数开始，主要分为三份部分： 1。调用C45PruneableClassifierTree（或者BinC45PruneableClassifierTree）中的buildClassifier函数构建决策树。C45PruneableClassifierTree和BinC45PruneableClassifierTree两个类都是继

package weka.classifiers.xwq;import java.util.ArrayList;import weka.classifiers.Classifier;import weka.classifiers.Evaluation;import weka.core.Attribute;import weka.core.Instance;import weka.co...

在Eclipse的一个类文件中编写另一个类，运行时出现java.io.NotSerializableException错误提示。具体如下：java.io.NotSerializableException: weka.classifiers.teacher.ID3_xu$TreeNodes java.io.ObjectOutputStream.writeObject0(Unknown Sourc...

1.最小二乘法求线性回归参数线性回归公式损失函数最小二乘法求参数令，，因此，损失函数转换为求导求出驻点得到2.代码package weka.classifiers.myAlgorithm;import weka.classifiers.Classifier;import weka.core.Instance;import weka.core.Instances;...

1.Naive Bayes公式2.代码package weka.classifiers.myAlgorithm;import weka.classifiers.Classifier;import weka.core.Instance;import weka.core.Instances;public class NB_xu extends Classifier{ pub...

原先，是按照 https://blog.youkuaiyun.com/MileyPriencess/article/details/74315577 将weka源码导入到eclipse中的，相比于而言下面的方法是非常简单的了。1.从weka官网下载压缩包，将压缩包解压后再将里面的weka-src压缩包解压，2.在eclipse中右击新建java project，接下来如下图操作即可完成如此即完成w...

当一个数据集中很多instance中的很多属性值是0时，这个数据集就会以稀疏矩阵的形式存储。这个过程主要是通过将Instance转换为SparseInstance实现的，SparseInstance是Instance的子类。对于一个值为{0,0,0,0,0,0,0,0,0,1,0,0,0,0,0,0,0,0,2,0,0}的instance，其对应的SparseInstance为{9 1, 18 ...

目的：将类似下图的文本数据转换为arff文件。文本数据每一行是一个句子和该句子的类属性值（classValue），得到的arff文件中的一个实例（Instance）即为一个句子的单词向量和类属性值。思路：1.将原始文本数据中一些特殊符号去除，以免在构建单词向量时出现问题；2.在去除特殊符号的文本数据上自动添加arff文件的表头，另存为arff文件；3.在WEKA中读取该arff文件，再...

在Ubuntu16.04系统的eclipse中配置weka时，当运行GUIChoose时出现错误，错误：无法找到或装入主类 weka.gui.GUIChoose。找到一个博客，感觉蛮有用的：https://blog.youkuaiyun.com/u010512607/article/details/46350813...

有时候自己生成一些数据或者找到的数据格式不是arff文件时，可以在matlab中使用以下函数将mat、txt、csv文件转换成arff文件。 input_filename ：待转换的格式文件路径及文件名 arff_filename ：转换后的arff文件的路径及名称function Mat2Arff(input_filename,arff_filename)%% This functi...

问题描述： 对实例集中的某个含有多个属性值value的属性attribute，有时候需要将其中的多个属性值整合成一个属性值。转换后的实例集中，每个实例对应属性attribute的属性值也要对应着修改后的属性值。 例如，（1）数据集weather的属性outlook有三个属性值（sunny，overcast，rainy），如何将（sunny，overcast）两个属性值整合成一个属

在weka中添加自己的算法 也就是达到下面的效果，myAlgo是自己写的算法所在的包，myNB是自己所写的算法代码。 实现上述效果，主要需要两个配置过程。具体过程如下： 1. 在weka项目中新建一个package，这里命名为weka.classifiers.myAlgo，然后在myAlgo中新建一个java文件，这里命名为myNB（这里的代码是直接拷贝weka自带的NaiveBayes

1 找到weka的安装位置，寻找weka的压缩文件weka-src.jar，将压缩文件解压，解压出的文件夹weka-src。 　2 打开Eclipse，新建Java project项目weka。 　3 选中包src，右击导入，选择General，选择文件系统，选择程序（weka-src\src\main\java）所在的路径，然后在Java前打勾，点击完成。 　4 此时有很多错误，这是因

C45算法在weka已经有具体的实现，即weka中的J48.java。不过J48.java中的具体代码牵扯到较多的类和其他东西，直接看源代码比较容易混乱，且需要了解的东西较多，有比较多和C45算法本身没有关系而是为了方便代码实现的类、变量和方法等。本文是基于C45算法思想和对J48源代码的详细解读，自己写了一个C45算法的代码。该代码只含有两个类（99%的代码只在一个类中实现），需要了解的结构相对

package weka.classifiers.xwq;import weka.classifiers.Classifier;import weka.core.Instance;import weka.core.Instances;public class KNN_xu extends Classifier{ /** * 训练集 */ public Instances ...