Java 给定属性索引，WEKA生成的模型似乎无法预测类别和分布 概述

我正在使用WEKA API 3.7.10（开发人员版本）来使用我预先制作的

.model

文件

我做了25个模型：五个算法的五个结果变量

• 交替决策树
• 随机森林
• 后勤推进
• 随机子空间

我在J48、随机子空间和随机森林方面有问题

必要文件 以下是创建后我的数据的

ARFF

表示：

@relation WekaData

@attribute ageDiagNum numeric
@attribute raceGroup {Black,Other,Unknown,White}
@attribute stage3 {0,I,IIA,IIB,IIIA,IIIB,IIIC,IIINOS,IV,'UNK Stage'}
@attribute m3 {M0,M1,MX}
@attribute reasonNoCancerSurg {'Not performed, patient died prior to recommended surgery','Not recommended','Not recommended, contraindicated due to other conditions','Recommended but not performed, patient refused','Recommended but not performed, unknown reason','Recommended, unknown if performed','Surgery performed','Unknown; death certificate or autopsy only case'}
@attribute ext2 {00,05,10,11,13,14,15,16,17,18,20,21,23,24,25,26,27,28,30,31,33,34,35,36,37,38,40,50,60,70,80,85,99}
@attribute time2 {}
@attribute time4 {}
@attribute time6 {}
@attribute time8 {}
@attribute time10 {}

@data
65,White,IIA,MX,'Not recommended, contraindicated due to other conditions',14,?,?,?,?,?

我需要从各自的模型中获取二进制属性

time2

到

time10

---

下面是我用来从所有模型文件中获取预测的代码片段：

private static Map<String, Object> predict(Instances instances,
        Classifier classifier, int attributeIndex) {
    Map<String, Object> map = new LinkedHashMap<String, Object>();
    int instanceIndex = 0; // do not change, equal to row 1
    double[] percentage = { 0 };
    double outcomeValue = 0;
    AbstractOutput abstractOutput = null;

    if(classifier.getClass() == RandomForest.class || classifier.getClass() == RandomSubSpace.class) {
        // has problems predicting time2 to time10
        instances.setClassIndex(5); 
    } else {
        // works as intended in LogitBoost and ADTree
        instances.setClassIndex(attributeIndex);    
    }

    try {
        outcomeValue = classifier.classifyInstance(instances.instance(0));
        percentage = classifier.distributionForInstance(instances
                .instance(instanceIndex));
    } catch (Exception e) {
        e.printStackTrace();
    }

    map.put("Class", outcomeValue);

    if (percentage.length > 0) {
        double percentageRaw = 0;
        if (outcomeValue == new Double(1)) {
            percentageRaw = percentage[1];
        } else {
            percentageRaw = 1 - percentage[0];
        }
        map.put("Percentage", percentageRaw);
    } else {
        // because J48 returns an error if percentage[i] because it's empty
        map.put("Percentage", new Double(0));
    }

    return map;
}

问题

• 正如我之前所说的，

  LogitBoost

  和

  ADTree

  与其他三种方法相比，在这个简单的方法中没有问题，因为我遵循了教程

• [Solved]基于我的调整，并返回

  边界异常排列

  如果被告知预测

  time2

  到

  time10

  java.lang.ArrayIndexOutOfBoundsException: 0
      at weka.classifiers.meta.Bagging.distributionForInstance(Bagging.java:586)
      at weka.classifiers.trees.RandomForest.distributionForInstance(RandomForest.java:602)
      at weka.classifiers.AbstractClassifier.classifyInstance(AbstractClassifier.java:70)
  

  堆栈跟踪将根错误指向以下行：

  outcomeValue = classifier.classifyInstance(instances.instance(0));
  

  解决方案：我在为二进制变量

  time2

  到

  time10

  创建

  FastVector（）

  的

  FastVector赋值过程中出现了一些复制粘贴错误，现在出现了一个新问题。它不再提供任何预测，而是返回一个错误：
  
  java.lang.ArrayIndexOutOfBoundsException: 11
      at weka.core.DenseInstance.value(DenseInstance.java:332)
      at weka.core.AbstractInstance.isMissing(AbstractInstance.java:315)
      at weka.classifiers.trees.j48.C45Split.whichSubset(C45Split.java:494)
      at weka.classifiers.trees.j48.ClassifierTree.getProbs(ClassifierTree.java:670)
      at weka.classifiers.trees.j48.ClassifierTree.classifyInstance(ClassifierTree.java:231)
      at weka.classifiers.trees.J48.classifyInstance(J48.java:266)
  
  它可以追溯到这条线
  
  outcomeValue = classifier.classifyInstance(instances.instance(0));
  
  解决方案：事实上，我用
  J48
  随机运行了这个程序，它成功了——给出了结果变量和相关分布
  
  

---

我希望有人能帮我解决这个问题。我真的不知道这段代码出了什么问题，因为我已经在线检查了Javadocs和示例，并且持续的预测仍然存在

---

（我目前正在检查WEKA GUI的主程序，但请在这里帮助我：-）

我现在只研究了RandomForest问题。那是因为装袋课 从数据实例本身而不是从模型中提取不同类的数量。 你在你的文本中说time2到time10是二进制的，但你只是没有在你的ARFF文件中说， 所以Bagging类不知道有多少类

因此，您只需在ARFF文件中指定time2是二进制的，例如： @属性time2{0,1}

你再也不会有例外了

我没有研究J48问题，因为它可能与ARFF定义是同一个问题

测试代码：

  public static void main(String [] argv) {
      try {
        Classifier cls = (Classifier) weka.core.SerializationHelper.read("bosom.100k.2.j48.MODEL");
        J48 c = (J48)cls;

        DataSource source = new DataSource("data.arff");
        Instances data = source.getDataSet();
        data.setClassIndex(6);        

        try {
            double outcomeValue = c.classifyInstance(data.instance(0));
            System.out.println("outcome "+outcomeValue);
            double[] p = c.distributionForInstance(data.instance(0));
            System.out.println(Arrays.toString(p));
        } catch (Exception e) {
            e.printStackTrace();
        }
    } catch (Exception e) {
        e.printStackTrace();
    }

---

我现在就试试，谢谢你的回复，完成后我会更新你。我刚刚用你的J48型号试过，没有任何异常：它返回0？是的，它给我[1.0；0.0]，这与它的答案0是一致的。决策树不返回概率，所以有这样的值是可以的。我不确定问题是否来自J48模型，但我怀疑它来自于您在测试时创建的实例。您能否将失败的实例保存在磁盘上并发布它们？是的，因为决策树不会生成评分；他们只是做了一系列艰难的决定，所以你不能像其他分类器那样得到真正的值。不管怎样，我不知道如何在stackoverflow中正确地格式化我的代码……好吧，即使有像决策树这样的艰难决策，也有可能输出实数；虽然我现在不知道在Weka中J48实现的所有细节，但我知道C4.5算法在语料库上运行时，实际上计算了语料库中实例的比率；所以我怀疑你在J48中看到的实数实际上对应于这样的语料库比率，这不能真正被认为是概率。我怀疑基于决策树的算法能否从一个例子中给出可靠的概率分布。至少，我不会将它们解释为pdf:-）

  public static void main(String [] argv) {
      try {
        Classifier cls = (Classifier) weka.core.SerializationHelper.read("bosom.100k.2.j48.MODEL");
        J48 c = (J48)cls;

        DataSource source = new DataSource("data.arff");
        Instances data = source.getDataSet();
        data.setClassIndex(6);        

        try {
            double outcomeValue = c.classifyInstance(data.instance(0));
            System.out.println("outcome "+outcomeValue);
            double[] p = c.distributionForInstance(data.instance(0));
            System.out.println(Arrays.toString(p));
        } catch (Exception e) {
            e.printStackTrace();
        }
    } catch (Exception e) {
        e.printStackTrace();
    }