Java 未从未标记的类获取结果 Instances new_testing_data=Filter.useFilter(testing_data,remove2); 新的测试数据.setClassIndex(新的测试数据.numAttributes()-1); 双pred; 字符串实际值、预测值、adm_no; 对于(int i=0;i 对于(int i=0;i

Java 未从未标记的类获取结果 Instances new_testing_data=Filter.useFilter(testing_data,remove2); 新的测试数据.setClassIndex(新的测试数据.numAttributes()-1); 双pred; 字符串实际值、预测值、adm_no; 对于(int i=0;i 对于(int i=0;i,java,netbeans,weka,Java,Netbeans,Weka,我有一套带标签等级的列车组和带未标签等级的测试集, 我需要得到测试集上的预测结果。我是否从上面的代码中做对了?如果有任何指导,我将不胜感激,这个项目已经让我日日夜夜绞尽脑汁。试试这个: Instances new_testing_data = Filter.useFilter(testing_data, remove2); new_testing_data.setClassIndex(new_testing_data.numAttributes()-1); double

我有一套带标签等级的列车组和带未标签等级的测试集, 我需要得到测试集上的预测结果。我是否从上面的代码中做对了?如果有任何指导,我将不胜感激,这个项目已经让我日日夜夜绞尽脑汁。

试试这个:

    Instances new_testing_data = Filter.useFilter(testing_data, remove2);
    new_testing_data.setClassIndex(new_testing_data.numAttributes()-1);

    double pred;
    String actual, prediction, adm_no;

    for (int i = 0; i < new_testing_data.numInstances(); i++) {
        System.out.println("Classifying Instances " + i);
        pred = j48.classifyInstance(new_testing_data.instance(i));
....
....
试试看{
fc.构建分类器(数据);
}捕获(例外e){
System.out.println(“无法构建分类器”);
}
//
clsLabel=newdouble[testData.numInstances()];//保存测试文档的类标签
//对于每个测试文档-->
对于(int i=0;i//我需要用class属性列输入我的测试数据吗?或者干脆把它留空,它将填充预测结果?未知的标签将在填充我的测试集class属性为“”的旁边是“?”,我需要修改我的代码吗?它理解吗?如果您希望在运行代码后测试集具有带标签的数据,请查看我的最后一行,您将需要它。
try {
            fc.buildClassifier(data);
        } catch (Exception e) {
            System.out.println("Cannot build classifier");
        }
        //<---building of the classifier ends
        //Classification--->
        clsLabel = new double[testData.numInstances()]; //holds class label of the test documents
        //for each test document--->
        for (int i = 0; i < testData.numInstances(); i ++){
            try {
                clsLabel[i] = fc.classifyInstance(testData.instance(i));
            } catch (Exception e) {
                System.out.println("Error from Classification.classify(). Cannot classify instance");
            }
            testData.instance(i).setClassValue(clsLabel[i]);
        }//end for
        //<---classification ends