Wie man prädikation Wert für eine Instanz in weka?

Arbeite ich an Weka und müssen, um die Ausgabe der prädikation Werte (Wahrscheinlichkeiten) der einzelnen labels, die für jede test-Instanz.

In der GUI gibt es eine option in klassifizieren tab (klassifizieren -> Optionen -> Ausgabe des vorhergesagten Werts), das diese Arbeit übernimmt, indem er die Vorhersage der Wahrscheinlichkeiten für jedes label, sondern wie man dies in java-code. Ich erhalten möchten, Wahrscheinlichkeit-Werte für jeden label nach der Einstufung ?

InformationsquelleAutor Kashif Khan | 2013-12-16
  1. 12

    Dem folgenden code wird in einer Menge von Trainings-Instanzen und gibt die vorhergesagte Wahrscheinlichkeit für eine bestimmte Instanz. 

    
import weka.classifiers.trees.J48;
import weka.core.Instances;

public class Main {

    public static void main(String[] args) throws Exception
    {
        //load training instances
        Instances test=...

        //build a J48 decision tree
        J48 model=new J48(); 
        model.buildClassifier(test);

        //decide which instance you want to predict
        int s1=2;

        //get the predicted probabilities 
        double[] prediction=model.distributionForInstance(test.get(s1));

        //output predictions
        for(int i=0; i<prediction.length; i=i+1)
        {
            System.out.println("Probability of class "+
                                test.classAttribute().value(i)+
                               " : "+Double.toString(prediction[i]));
        }

    }

}

    Die Methode "distributionForInstance" funktioniert nur für Klassifikatoren in der Lage die Ausgabe Verteilung Vorhersagen. Sie können Lesen hier.

    • Danke @walter, ich wirklich zu schätzen Ihre Hilfe .... Gibt es einen Weg, um gleiche dimension Vektor für die Prüfung von Dokumenten, wie ich bekommen kann für die Ausbildung Beispiel mithilfe von training Wortschatz für test-samples vua StringtoVector Funktionalität in weka ?
    • Ich bin nicht vertraut mit text-mining in weka, so bin ich nicht gut ausgestattet, um Ihre Frage zu beantworten. Sie können versuchen, die Veröffentlichung einer neuen Frage auf stack overflow.
    • Auch, wenn dies beantwortet Ihre Frage, Ihr üblich, klicken Sie auf das Häkchen unter dem "up and down" Pfeile (damit es grün wird). Dies lässt die Leute wissen, die Frage wurde beantwortet, und es gibt mir ein Lob für die erfolgreich deine Frage zu beantworten. Ich erwähne nur, weil es so aussieht, wie Sie neu sind, um stack-überlauf.
    InformationsquelleAutor Walter
  2. 1

    Denke ich, dass ich die Lösung gefunden.

    Dem Trainings-set und test-set müssen gleich sein: gleicher header, gleiche Namen von Parametern, gleiche Reihenfolge. Nur ändern sich die zahlen. Und die Frage ist: warum muss ich die Klasse im test-set, wenn ich es nicht kennen, und genau das ist es, was ich will zu erhalten? Es scheint, dass die Methode braucht etwas, aber wenn man einen Blick auf classModel.distributionForInstance(dataModel.instance(0))
    es gibt Ihnen die Voraussage über Ihre Klassen mit einem array von double.
    Also, ist es notwendig, einige der Werte von den Klassen in die test-und später die ‘distributionForInstance’ gibt Ihnen das wirkliche Ergebnis für Ihre Klassen.

    InformationsquelleAutor Txus Lopez
  3. -1

    Vom WEKA-GUI, Klassifizieren Systemsteuerung -> drücken Sie die "Mehr Optionen..." -> Output Vorhersagen -> Wählen Sie "Klartext" - option. Jetzt, klicken Sie mit Links auf "Klartext" und die "outputDistribution" in "True".

    Beachten Sie, dass dieser Prozess durchgeführt werden kann, in der letzten WEKA-Versionen, z.B., WEKA-3.8.0.

    Grüße,

    Martin

    InformationsquelleAutor Martin L
Schreibe einen Kommentar