Machine learning 获取SVM分类中的属性权重/重要性

我尝试使用在weka库中实现的SVM分类对一些数据进行分类。我的分类代码如下所示：

BufferedReader reader = new BufferedReader(new FileReader(arffDataFile));

Instances data = new Instances(reader);
reader.close();

data.setClassIndex(0);

NumericToNominal filter = new NumericToNominal();

String[] options = new String[2];

options[0] = "-R";
options[1] = "1";

filter.setOptions(options);
filter.setInputFormat(data);

Instances newData = Filter.useFilter(data, filter);
newData.setClassIndex(0);

weka.classifiers.functions.LibSVM svm = new weka.classifiers.functions.LibSVM();
svm.buildClassifier(newData);

Evaluation eval = new Evaluation(newData);
eval.crossValidateModel(svm, newData, folds, new Random(1));

System.out.println(eval.toSummaryString("\nResults\n======\n", false));

System.out.println();

Arff数据文件由2973个实例组成，每个实例有27个属性

我的问题是，如何计算实例属性的权重我需要调查哪些属性在分类过程中最有用。

我是机器学习领域的初学者，所以简单的语言和示例代码将不胜感激

---

提前感谢您的帮助。

Weka提供了从属性池中选择属性的选项。换句话说，它为您提供了对属性进行排序的方法。它们位于weka.attributeSelection中，您可以通过特定的搜索方法选择使用属性计算器。我个人对我的任务的偏好是使用InfoGainatTributeVal作为属性求值器，同时使用Ranker作为搜索方法。这取决于您要使用的任务组合

当您使用代码与Weka交互时，请参阅文档，以便在JavaAPI中使用属性计算器和搜索方法。就我个人而言，我使用GUI