Java中随机子空间分类器Weka API的输出

我在weka exploer中构建了一个随机子空间分类器，现在正试图将其与weka Java API一起使用，但是，当我运行distibutionForInstance（）时，我得到了一个数组，第一个值为1.0，其余值为0.0。我想得到的是数值预测，而不是课堂上的预测。例如，我应该使用不同的函数，或者在Distribution上使用不同的选项吗？下面的代码片段：

分类器cls=（分类器）weka.core.SerializationHelper.read（“2015-09-6随机子空间模型.Model”）

Instances originalTrain=新数据源（“Instances.arff”）.getDataSet（）

这给我的输出如下所示： 实例1Value的预测值：0.0 0.0、0.0、0.0、0.0、0.0、0.0、0.0、0.0、0.0、0.0、0.0、0.0、0.0、0.0、0.0、0.0、0.0、0.0、0.0、0.0 0、0.0 0、0.0 0、0.0 0 0、0 0 0 0 0 0 0 0 0 0、0 0.0 0 0 0、0 0 0 0 0 0 0、0 0 0 0 0 0.0 0 0 0、0 0 0 0 0、0 0 0 0 0 0 0 0 0、0 0 0 0 0 0、0 0 0 0 0 0 0 0 0 0 0、0 0 0 0.0 0 0、0 0 0 0 0 0、0 0 0 0 0 0 0 0 0、0 0 0 0 0 0、0 0 0 0 0 0 0 0 0 0 0、0 0 0 0 0 0 0 0 0 0 0、0 0 0 0 0 0 0 0 0 0 0 0 0[附件1.0]

有人知道如何像我在weka explorer中那样获得数字输出吗

---

提前感谢。

当您对实例进行分类时，我们会为您提供class属性的索引。您必须映射此值：

originalTrain.classAttribute（）.value（（int）cls.classifyInstance（originalTrain.instance（s1））

方法：

classif.distributionForInstance(instance);

---

返回每个不同类的实例成员资格概率的双数组。如果第一个元素的值为1.0，其余元素的值为0.0，这意味着该算法对预测该特定实例的第一个类非常有信心。其他时候，当成员身份不太清楚时，概率分布会更均匀。

谢谢您的回答。我仍然得到类似的输出。对于我指定的任何实例，我一直将“TX”作为这个函数的输出。我不知道这是从哪里来的。状态是数据集的一部分，所以我想知道它是否从那里获取TX？字符串值=originalTrain.classAttribute（）.value（（int）cls.classifyInstance（originalTrain.instance（s1）））是否尝试打印此值？是的。我认为问题在于，这个模型预测的是一个数值，而不是一个名义值，因此没有阶级成员。应该有一个类似于线性回归模型输出的数值预测。也许这些是错误的功能？它们似乎都与类成员身份有关。是的，该模型预测了一个双值，它表示类属性值的索引。当您得到这个值时，您将得到断言的标称类。谢谢您的帮助。然而，我仍然有点困惑，据我所知，如果一个分类器是为了预测一个数字无关的值而构建的，那么就没有可以作为其成员的标称类。每次运行字符串percentage=originalTrain.classAttribute（）.value（（int）cls.classifyInstance（originalTrain.instance（s1））；我得到相同的输出，即字符串“TX”

classif.distributionForInstance(instance);