使用weka jar在java代码中加载朴素贝叶斯模型

Question

我使用了weka并通过使用weka GUI制作了一个朴素贝叶斯分类器。然后我按照本教程保存了这个模型。现在我想通过 Java 代码加载这个模型，但我无法找到任何使用 weka 加载保存模型的方法。

这是我的要求，我必须单独制作模型，然后在单独的程序中使用它。

如果有人能在这方面指导我，我将不胜感激。

Answer 1

您可以使用以下命令轻松地在 Java 中加载保存的模型：

Classifier myCls = (Classifier) weka.core.SerializationHelper.read(pathToModel);

对于 Java 中的完整工作流程，我在 SO 文档中写了以下文章，现在复制到这里：

Weka中的文本分类

使用 LibLinear 进行文本分类

• 从 .arff 文件创建训练实例

  private static Instances getDataFromFile(String path) throws Exception{
  
      DataSource source = new DataSource(path);
      Instances data = source.getDataSet();
  
      if (data.classIndex() == -1){
          data.setClassIndex(data.numAttributes()-1);
          //last attribute as class index
      }
  
      return data;    
  }
  

Instances trainingData = getDataFromFile(pathToArffFile);

• 使用StringToWordVector将您的字符串属性转换为数字表示：

  • 此过滤器的重要功能：

    1. tf-idf 表示
    2. 词干化
    3. 小写单词
    4. 停用词
    5. n-gram 表示*

   

  StringToWordVector() filter = new StringToWordVector();    
  filter.setWordsToKeep(1000000);
  if(useIdf){
      filter.setIDFTransform(true);
  }
  filter.setTFTransform(true);
  filter.setLowerCaseTokens(true);
  filter.setOutputWordCounts(true);
  filter.setMinTermFreq(minTermFreq);
  filter.setNormalizeDocLength(new SelectedTag(StringToWordVector.FILTER_NORMALIZE_ALL,StringToWordVector.TAGS_FILTER));
  NGramTokenizer t = new NGramTokenizer();
  t.setNGramMaxSize(maxGrams);
  t.setNGramMinSize(minGrams);    
  filter.setTokenizer(t);     
  WordsFromFile stopwords = new WordsFromFile();
  stopwords.setStopwords(new File("data/stopwords/stopwords.txt"));
  filter.setStopwordsHandler(stopwords);
  if (useStemmer){
      Stemmer s = new /*Iterated*/LovinsStemmer();
      filter.setStemmer(s);
  }
  filter.setInputFormat(trainingData);
  

  • 将过滤器应用于 trainingData： trainingData = Filter.useFilter(trainingData, filter);

  • 创建 LibLinear 分类器

    1. 下面的 SVMType 0 对应于 L2 正则化逻辑回归

    2. 设置setProbabilityEstimates(true)打印输出概率

       Classifier cls = null; LibLINEAR liblinear = new LibLINEAR(); liblinear.setSVMType(new SelectedTag(0, LibLINEAR.TAGS_SVMTYPE)); liblinear.setProbabilityEstimates(true); // liblinear.setBias(1); // default value cls = liblinear; cls.buildClassifier(trainingData);

  • 保存模型

    System.out.println("Saving the model..."); ObjectOutputStream oos; oos = new ObjectOutputStream(new FileOutputStream(path+"mymodel.model")); oos.writeObject(cls); oos.flush(); oos.close();

  • 从.arff文件创建测试实例

    实例 trainingData = getDataFromFile(pathToArffFile);

  • 负载分类器

  Classifier myCls = (Classifier) weka.core.SerializationHelper.read(path+"mymodel.model");

  • 使用与上述相同的 StringToWordVector 过滤器或为 testingData 创建一个新过滤器，但请记住为此命令使用 trainingData：filter.setInputFormat(trainingData); 这将使训练和测试实例兼容。或者你可以使用InputMappedClassifier

  • 将过滤器应用于 testingData： testingData = Filter.useFilter(testingData, filter);

  • 分类！

  1.获取测试集中每个实例的类值

  for (int j = 0; j < testingData.numInstances(); j++) { double res = myCls.classifyInstance(testingData.get(j)); } res是一个双精度值，对应于.arff文件中定义的名义类。要获得名义类使用：testintData.classAttribute().value((int)res)

2.获取每个实例的概率分布

 for (int j = 0; j < testingData.numInstances(); j++) {
    double[] dist = first.distributionForInstance(testInstances.get(j));
 }

dist是一个双数组，包含.arff文件中定义的每个类的概率

笔记。分类器应支持概率分布并使其具有：myClassifier.setProbabilityEstimates(true);