Java ClassifyInstance（）方法错误

对于下面的代码，classifyInstance（）行给出了一个错误：

Exception in thread "main" java.lang.NullPointerException
    at weka.classifiers.functions.LinearRegression.classifyInstance(LinearRegression.java:272)
    at LR.main(LR.java:45)

我试图调试，但没有成功。如何使用保存的模型预测测试文件的类属性？这个问题是基于回归的

for (int i = 0; i < unlabeled.numInstances(); i++) {
    double clsLabel = cls.classifyInstance(unlabeled.instance(i));
    labeled.instance(i).setClassValue(clsLabel);
    System.out.println(clsLabel + " -> " + unlabeled.classAttribute().value((int) clsLabel));
}

for（int i=0；i”+未标记的.classAttribute（）.value（（int）clsLabel））；
}

这是实际代码：

public class LR{
    public static void main(String[] args) throws Exception
    {
        BufferedReader datafile = new BufferedReader(new FileReader("C:\\dataset.arff"));
        Instances data = new Instances(datafile);

        data.setClassIndex(data.numAttributes()-1);    //setting class attribute
        datafile.close();

        LinearRegression lr = new LinearRegression();  //build model
        int folds=10;

        Evaluation eval = new Evaluation(data);
        eval.crossValidateModel(lr, data, folds, new Random(1));
        System.out.println(eval.toSummaryString()); 

        //save the model
        weka.core.SerializationHelper.write("C:\\lr.model", lr);

        //load the model
        Classifier cls = (Classifier)weka.core.SerializationHelper.read("C:\\lr.model");


        Instances unlabeled = new Instances(new BufferedReader(new FileReader("C:\\testfile.arff")));
        // set class attribute
        unlabeled.setClassIndex(unlabeled.numAttributes() - 1);
        // create copy
        Instances labeled = new Instances(unlabeled);
        double clsLabel;
        // label instances
        for (int i = 0; i < unlabeled.numInstances(); i++) 
        {
            clsLabel = cls.classifyInstance(unlabeled.instance(i));
            labeled.instance(i).setClassValue(clsLabel);
            System.out.println(clsLabel + " -> " + unlabeled.classAttribute().value((int) clsLabel));
        }
        // save labeled data
        BufferedWriter writer = new BufferedWriter(new FileWriter("C:\\final.arff"));
        writer.write(labeled.toString());
        writer.newLine();
        writer.flush();
        writer.close();
    }
}   

公共类LR{
公共静态void main（字符串[]args）引发异常
{
BufferedReader数据文件=新的BufferedReader（新文件读取器（“C:\\dataset.arff”）；
实例数据=新实例（数据文件）；
data.setClassIndex（data.numAttributes（）-1）；//设置类属性
datafile.close（）；
LinearRegression lr=新的LinearRegression（）；//构建模型
整数倍=10；
评估eval=新评估（数据）；
评估交叉验证模型（lr，数据，褶皱，新随机（1））；
System.out.println（eval.toSummaryString（））；
//保存模型
write（“C:\\lr.model”，lr）；
//加载模型
分类器cls=（分类器）weka.core.SerializationHelper.read（“C:\\lr.model”）；
实例未标记=新实例（新BufferedReader（新文件读取器（“C:\\testfile.arff”））；
//设置类属性
未标记的.setClassIndex（未标记的.numAttributes（）-1）；
//创建副本
已标记的实例=新实例（未标记）；
双clsLabel；
//标签实例
for（int i=0；i”+未标记的.classAttribute（）.value（（int）clsLabel））；
}
//保存带标签的数据
BufferedWriter writer=新的BufferedWriter（新文件写入程序（“C:\\final.arff”）；
writer.write（标记为.toString（））；
writer.newLine（）；
writer.flush（）；
writer.close（）；
}
}   

您是否培训了分类器

---

在我看来，您正在尝试分类，但没有训练分类器。

可能重复的内容我已经看到了该帖子，但我无法找到此处可能的空值。您将

null

传递给

cls.classifyInstance（）

。检查

未标记的值。实例（i）

哦，好吧！我想stacktrace中第一个提到的类是你的。很抱歉您的类似乎是

LR

。错误发生在这个类的第45行。看那里@lrnzcig m_checksTurnedOff不能具有值

null

，因为它是一个基本

booelan

。不幸的是，我们不知道@user553874使用了什么版本，他没有包括最基本的调试信息-版本号，以及出现问题的代码。或者，对于空指针异常：在这个问题上哪个变量为空…+1，如果您只进行求值，则不需要训练分类器，因为

crossValidateModel

进行训练，但是，您正在保存和加载分类器。在保存之前，必须使用

buildClassifier

方法对分类器进行训练。为什么要在保存之前对分类器进行训练？交叉验证法不是已经训练过了吗？我是Weka的新手，所以如果你能用外行的语言解释我，并帮助我编写代码？crossValidate模拟训练10个分类器，测试它们，然后丢弃它们。这是一种评估方法。