在Java中使用随机林打印实际和预测的类标签

我有一个包含10000条记录的大型数据集，其中5000条属于类1，其余5000条属于类1。我使用了随机森林，获得了90%以上的准确率

现在如果我有一个arff文件

@relationcds\u orf
@属性开始数字
@属性结束数字
@属性分数数字
@属性orf_覆盖率数值
@属性类{1，-1}
@资料
（假设包含5条记录）

经过大量研究，我自己找到了答案。下面的代码执行相同的操作，并将输出写入另一个文件orf_out

导入java.io.BufferedReader；
导入java.io.BufferedWriter；
导入java.io.FileReader；
导入java.io.FileWriter；
导入java.io.PrintWriter；
导入java.util.Random；
导入weka.classifiers.Evaluation；
导入weka.classifiers.trees.random森林；
导入weka.core.Instances；
/**
*
*@作者萨米
*/
公共类WekaTest{
/**
*@java.lang.Exception
*/
public static void rfnew（）引发异常{
缓冲剂；
int numFolds=10；
br=新的BufferedReader（新的文件读取器（“orf_arff”）；
实例trainData=新实例（br）；
trainData.setClassIndex（trainData.numAttributes（）-1）；
br.close（）；
RandomForest rf=新的RandomForest（）；
射频设置数树（100）；
评估=新评估（列车数据）；
交叉验证模型（rf、列车数据、numfold、新随机数（1））；
rf.buildClassifier（列车数据）；
PrintWriter out=新的PrintWriter（“orf_out”）；
out.println（“否。\t确实\t预定”）；
对于（int i=0；i