Java WEKA分类器返回一个分类，与值无关

我正在尝试在Android应用程序中使用/导入WEKA 3.8.3（GUI）中制作的J48分类器，但不管传入值如何，生成的类只返回一个分类结果

原始数据集，所以我能在so上找到的第一个答案是使用SMOTE来补偿这一点。我找不到SMOTE，但从我所看到的情况来看，ClassBalancer过滤器实现了相同的结果。结果数据

是原始数据的结果，也是筛选数据的结果

使用原始数据的J48类只返回2.0的值，这将对应于步行，我猜这是因为步行是训练集中最常见的分类。使用过滤数据的J48类只返回1.0的值，这我无法解释

我已经尝试过将一个工作分类器从以前的项目加载到应用程序中；这个（J48）分类器确实返回了不同的值。我还尝试手动删除数据行，直到所有活动都有相同数量的条目，但这并没有解决问题。我还尝试输入一个我知道应该与“坐”对应的值，但这也不起作用

当我将值打印到日志中时，发送到分类器的实例看起来非常好，所以我认为这与输入无关。为了防止我遗漏了一些明显的东西，我将包含以下代码：

    public double createInstances(double x, double y, double z){

    double result = 0;

    Instances dataRaw = new Instances("TestInstances", atts, 3);
    dataRaw.setClassIndex(dataRaw.numAttributes()-1);

    Log.d(TAG,"Rawdata:" + dataRaw);

    Instance inst = new DenseInstance(3);
    inst.setDataset(dataRaw);
    inst.setValue(accel_x,x);
    inst.setValue(accel_y,y);
    inst.setValue(accel_z,z);

    Log.d(TAG,"NEWDATARAW:" + inst);

    try {
        result = weka.classifyInstance(inst);
        Log.d(TAG,"RESULT:" + result);

    }

    catch (Exception e){
        Log.e(TAG,"DID NOT WORK:" + e);
    }

    return result;
}

我还确保属性被添加到属性ArrayList“atts”中

我能想到的唯一剩下的选择是数据格式有问题，但我可以想象，在创建算法时，它已经显示出问题的迹象。是包含数据的ARFF文件的示例

我曾尝试以默认的J48算法输入两个数据集（原始/过滤），以及一个禁用了所有修剪选项的数据集，以防修剪其他活动，但这些分类器都不会返回多个活动

---

我想这些都是相关信息，但是如果我遗漏了什么，请告诉我，这样我就可以添加它了。我很确定问题出在分类器本身的某个地方，但我不知道它到底是什么。

结果表明，WEKA在classifyInstance方法中放置了以下代码：

// set class value to missing
   s[i.classIndex()] = null;

这导致数组中的最后一个值（在本例中为accel_z值）设置为null，导致分类器始终返回相同的值，因为这是分类器中的第一个检查（注意“if（i[2]==null）”语句）：

静态双精度N69cd8e58128（对象[]i）{
双p=双NaN；
如果（i[2]==null）{
p=1；
}如果（（（Double）i[2]）.doubleValue（）6.43）{
p=Wekar.N26ef16ed242（i）；
}
返回p；
}

---

我不确定这行代码通常起什么作用，但删除它似乎解决了问题。

我怀疑您认为数据不平衡的问题是正确的。在Weka GUI中，您可以可视化学习到的树。这可能有助于您进一步调试问题。感谢提示！从我所知，这棵树看起来是正确的。Also即使我手动为活动提供相同数量的条目，问题仍然存在，这一事实使我认为可能存在其他因素，而不仅仅是不平衡的数据。

static double N69cd8e58128(Object []i) {
    double p = Double.NaN;
    if (i[2] == null) {
        p = 1;
    } else if (((Double) i[2]).doubleValue() <= 6.43) {
        p = WekaClassifier.Nad3034129(i);
    } else if (((Double) i[2]).doubleValue() > 6.43) {
        p = WekaClassifier.N26ef16ed242(i);
    }
    return p;
}