C# 如何使用weka中保存的模型将类分配给实例

在我决定发布这个问题之前，我已经阅读了很多帖子，但仍然无法得到一个明确的答案。这就是：

使用weka，我用我的训练数据训练了一个朴素的Bayestree，如下所示：

(the values are simplified, and there's 20000 rows in the training set)
AF3,F7,F3,FC5,T7,T8,FC6,F4,F8,AF4,Action
-1,2,0,1,0,0,-1,-0,-0,-0,NEUTRAL
-2,1,0,2,-0,0,-0,0,-1,-0,RIGHT
-1,1,0,2,-0,0,-1,0,-1,-0,LEFT

现在我想在程序中使用保存的模型来确定给定128行测试数据中的类分布。对于这128行，我没有指定类（操作属性）。基本上，我希望模型能够回答这个问题：）

因此，测试行如下所示：

-1,1,0,2,-0,0,-1,0,-1,-0,?

到目前为止，我已经提出了以下代码：

Classifier nbTree = (Classifier)SerializationHelper.read(Model) as NBTree;
Instances testInstances = TestSet();
testInstances.setClassIndex(10);

for (int i = 0; i < testInstances.numInstances(); i++)
{
    Instance instance = testInstances.instance(i);
    double assignedClass = nbTree.classifyInstance(instance);
    double[] distributionForInstance = nbTree.distributionForInstance(instance);
}

---

我已经绕圈子走了两天了，非常感谢您的帮助：）

我做了更多的研究，发现了这篇文章：这篇文章帮助我编写了以下代码：

Classifier nbTree = (Classifier)SerializationHelper.read(Model) as NBTree;
Instances testDataSet = new Instances(new BufferedReader(new FileReader(arff)));
testDataSet.setClassIndex(10);
Evaluation evaluation = new Evaluation(testDataSet);

for (int i = 0; i < testDataSet.numInstances(); i++)
{
    Instance instance = testDataSet.instance(i);
    evaluation.evaluateModelOnceAndRecordPrediction(nbTree, instance);
}

foreach (object o in evaluation.predictions().toArray())
{
    NominalPrediction prediction = o as NominalPrediction;
    if (prediction != null)
    {
        double[] distribution = prediction.distribution();
        double predicted = prediction.predicted();
    }
}

分类器nbTree=（分类器）SerializationHelper.read（Model）as nbTree；
Instances testDataSet=新实例（新BufferedReader（新文件读取器（arff））；
testDataSet.setClassIndex（10）；
评估=新评估（testDataSet）；
对于（int i=0；i

这段代码允许我检查在给定实例上预测的类，以及所考虑的所有类的概率值。 我希望这会对某人有所帮助：）

Classifier nbTree = (Classifier)SerializationHelper.read(Model) as NBTree;
Instances testDataSet = new Instances(new BufferedReader(new FileReader(arff)));
testDataSet.setClassIndex(10);
Evaluation evaluation = new Evaluation(testDataSet);

for (int i = 0; i < testDataSet.numInstances(); i++)
{
    Instance instance = testDataSet.instance(i);
    evaluation.evaluateModelOnceAndRecordPrediction(nbTree, instance);
}

foreach (object o in evaluation.predictions().toArray())
{
    NominalPrediction prediction = o as NominalPrediction;
    if (prediction != null)
    {
        double[] distribution = prediction.distribution();
        double predicted = prediction.predicted();
    }
}