Weka：Problem evaluating classifier:libsvm classes not in CLASSPATH

最新推荐文章于 2019-10-11 21:38:54 发布
原创 最新推荐文章于 2019-10-11 21:38:54 发布 · 1.9k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文介绍如何在Weka3.5以上版本中集成LibSVM，包括下载必要的jar文件并修改runweka.ini配置文件的具体步骤。

Weka3.5后增加了libsvm这个选项，在分类器中的functions下面。但是，试图运行的时候，系统提示：Problem evaluating classifier:libsvm classes not in CLASSPATH。这是因为Weka只是提供了Libsvm的Wrapper调用机制，必须要安装Libsvm后将附带的jar路径添加到Weka的启动路径中。怎么解决呢？我的Weka版本较新（3.5.7），不过我的方法适用于3.5以上的所有版本。

首先，在http://www.cs.iastate.edu/~yasser/wlsvm/上下载wlsvm.zip的压缩包，解压后将WLSVM \ lib 文件夹下的libsvm.jar 和wlsvm.jar 两个文件放到weka的安装目录下。

上述网址可能打不开，从这下载：http://pan.baidu.com/s/1dDvNI5F

然后，在weka的安装目录下打开runweka.ini这个文件，把
cmd_default=javaw -Xmx#maxheap# -classpath "%CLASSPATH%;#weka.jar#" #mainclass#
修改为
cmd_default=javaw -Xmx#maxheap# -classpath "%CLASSPATH%;#weka.jar#;wlsvm.jar;libsvm.jar" #mainclass#               （注：其实3.4版本是要将wlsvm.jar加进去的，但3.5版本就没有必要了，只用加libsvm.jar就好了）。

最后，直接运行runweka.bat，再打开Explorer，可以在Classify的Classifier-function中找到LibSVM，像使用其它Classifier一样使用它就可以了。这样LibSVM就成功的集成到Weka了。

至于还有帖子教怎么设置libsvm的路径之类的，其实刚刚修改runweka.ini文件时已经完成了这一步了，大可不必再大费周折了，我试过了，不在环境变量里设置ClassPath就按照上面三步设置就完全可以使用LibSVM了。

机器学习：WEKA的应用之 J48（C4.5）
梦里水乡的专栏
09-10 3万+
对于机器学习分类问题的解决方法除了SVM（支持向量机）、maxent（最大熵）还有J48和Adaboost，这两项工具箱都有集成在weka里，下面先说一下对J48即C4.5的应用 weka的下载与安装 什么是J48（C4.5） weka中J48（C4.5）的应用 一、weka的下载与安装 下载地址：weka下载地址（SourceForge） 我用的是win7的32位系统，
Weka下使用Libsvm详细步骤
浮生鄀茶
07-27 5499
1.首先，下载wlsvm.zip的压缩包，解压后将WLSVM / lib 文件夹下的wlsvm.jar 文件放到weka的安装目录下。      2.下载libsvm.jar，记住不要用WLSVM里的libsvm.jar，这个libsvm.jar不是WEKA软件里链接命名的libsvm.jar，否则会出现problem evaluating classifier：rand问题，我们需要下
解决“libsvm classes not in CLASSPATH”问题
gotomic的专栏
09-04 3204
解决“libsvm classes not in CLASSPATH”问题　(2007-10-29 14:51) 标签： libsvm classes CLASSPATH 　分类： 人工智能 解决“libsvm classes not in CLASSPATH”问题，总结如下： 方法一： 以WEKA 3.5.4为例（3.4版的不支持） ：把libsvm.jar 和wlsvm
解决weka 中“libsvm classes not in CLASSPATH”问题
xwolfs的专栏
08-30 1647
好不容易在网上搜集的，却是有效果，收藏在此，供以后查阅 解决“libsvm classes not in CLASSPATH”问题 2010年07月20日 星期二 下午 04:09 解决“libsvm classes not in CLASSPATH”问题，总结如下：
weka源码调试libSVM出现libsvm classes not in CLASSPATH
sunnyorcloudy的专栏
09-09 380
在eclipse中调试weka，在使用LibSVM时，发现直接运行的时候提示libsvm classes not in CLASSPATH 解决方式： Run Configuration-Classpath-Add External JARs 添加LibSVM.jar 即可。 weka 3.6.10
java.lang.Exception: libsvm classes not in CLASSPATH!问题解决方法
mm_bit的博客
07-18 1489
weka中svm的使用
解决Weka报错：正确使用libsvm.jar和wlsvm.jar包
在使用Weka进行机器学习模型评估时，遇到的“Problem evaluating classifier: libsvm classes not in CLASSPATH”错误，通常是因为libsvm相关类没有被正确加载到Java的CLASSPATH中。CLASSPATH是Java用来指定加载类的...
libsvm.jar,wlsvm.jar包
05-14
weka报Problem evaluating classifier:libsvm classes not in CLASSPATH错误所需jar包，并且一定要用正确的libsvm.jar包，否则还会报Problem evaluating classifier:Rand错误，上传的这个压缩包里面的jar包可同时...
[原创]Weka3.5--3.6中使用LibSVM
Hi, Sun
11-25 197
[原创]Weka3.5中使用LibSVM    2008-06-14 22:57:45 |  分类： 学习研究 | 字号   订阅 ...
libsvm.jar
12-14
libsvm.jar libsvm的包，使用weka的libsvm算法需要手动添加这个包
使用weka非常有用的libsvm.jar 和wlsvm.jar
05-20
weka中必备的libsvm.jar和wlsvm.jar， 只需修改runweka.ini中文件设置即可使用。
WEKA使用（基础配置+垃圾邮件过滤+聚类分析+关联挖掘）
weixin_30641999的博客
06-05 1970
声明： 1）本文由我bitpeach原创撰写，转载时请注明出处，侵权必究。 2）本小实验工作环境为Windows系统下的WEKA，实验内容主要有三部分，第一是分类挖掘（垃圾邮件过滤），第二是聚类分析，第三是关联挖掘。 3）本文由于过长，且实验报告内的评估观点有时不一定正确，希望抛砖引玉。 （一）WEKA在Ubuntu下的配置 下载解压 下载和解压weka ...
Weka开发［3］－Evaluation类
我的人生不甘于平庸！
04-15 351
     上一次最后的结果就是一个分类的值，可能让大家大失所望，这一次会给大家一个比较完美的答案，这就是Evaluation类，这次只讲一下最简单的用法，首先初始化一个Evaluation对象，Evaluation类没有无参的构造函数，一般用Instances对象作为构造函数的参数。        如果没有分开训练集和测试集，可以使用Cross Validation方法，Evaluation中...
weka train and test and not compatible
qq_35698595的博客
03-28 1560
weka 训练集与测试集不兼容问题 weka tree j48算法有 train and test and not compatible问题 对比两个arff文件的表头比如一个为@attribute children {YES NO} 另一个则为@attribute children {NO YES}，修改成一样即可。 也可以直接从第一个@到@data之前全部复制到另一个文件。 ...
weka和matlab完成完整分类实验
chensonglu的博客
12-02 6620
本文简单介绍数据集介绍、weka的使用、weka与LIBSVM、matlab与LIBSVM以及分类的若干细节问题。
Weka之分类器(classifier)的使用
qq_42752823的博客
10-11 5367
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...
在weka中添加libSVM或者HMM等新算法
weixin_34295316的博客
12-03 257
转：http://kasy-13.blog.163.com/blog/static/8214691420143226365887/ Weka的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），是一款免费的，非商业化（与之对应的是SPSS公司商业数据挖掘产品--Clementine ）的，基于JAVA环境下开源的机器学习（machin...
weka出现Problem evaluating classifier:Invaild class index:6怎么解决
最新发布
10-19
在 Weka 中出现 `Problem evaluating classifier: Invalid class index: 6` 错误，通常是由于指定的类索引超出了数据集属性的有效范围。以下是一些可能的解决方法： ### 检查数据集的属性数量 要保证指定的类索引在数据集属性的有效范围之内。类索引是从 1 开始计数的，所以如果数据集有 5 个属性，那么有效的类索引范围是 1 到 5。可以使用以下代码来查看数据集的属性数量： ```java import weka.core.Instances; import weka.core.converters.ConverterUtils.DataSource; public class CheckAttributeCount { public static void main(String[] args) throws Exception { // 加载数据集 DataSource source = new DataSource("/path/to/your/dataset.arff"); Instances data = source.getDataSet(); // 设置类索引（这里假设为第 1 个属性） if (data.classIndex() == -1) data.setClassIndex(data.numAttributes() - 1); // 输出属性数量 System.out.println("Number of attributes: " + data.numAttributes()); } } ``` ### 修正类索引 要确保在代码中指定的类索引是有效的。例如，如果数据集有 5 个属性，那么可以将类索引设置为 1 到 5 之间的一个值。以下是一个示例代码： ```java import weka.classifiers.trees.J48; import weka.classifiers.Evaluation; import weka.core.Instances; import weka.core.converters.ConverterUtils.DataSource; public class CorrectClassIndex { public static void main(String[] args) throws Exception { // 加载数据集 DataSource source = new DataSource("/path/to/your/dataset.arff"); Instances data = source.getDataSet(); // 设置有效类索引 data.setClassIndex(4); // 假设第 4 个属性为类属性 // 创建分类器 J48 classifier = new J48(); // 评估分类器 Evaluation eval = new Evaluation(data); eval.crossValidateModel(classifier, data, 10, new java.util.Random(1)); // 输出评估结果 System.out.println(eval.toSummaryString()); } } ``` ### 检查数据集文件 要保证数据集文件（如 `.arff` 文件）没有损坏，并且类属性的定义是正确的。可以在文本编辑器中打开 `.arff` 文件，检查 `@attribute` 和 `@data` 部分是否正确。 ### 使用 Weka Explorer 进行验证 可以使用 Weka Explorer 加载数据集，手动设置类属性，以验证数据集和类属性的设置是否正确。在 Weka Explorer 中，选择 `Preprocess` 标签，然后点击 `Choose` 按钮选择数据集，最后在 `Class attribute` 下拉菜单中选择正确的类属性。
评论
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