给定属性索引，WEKA生成的模型似乎无法预测类和分布

user1685185 发表于 Dev

用户名

概述

我正在使用WEKA API 3.7.10（开发人员版本）来使用我的预制.model文件。

我制作了25个模型：五个算法的五个结果变量。

J48决策树。
交替决策树
随机森林
LogitBoost
随机子空间

我在J48，随机子空间和随机森林方面遇到问题。

必要的文件

以下是ARFF创建后我的数据的表示形式：

@relation WekaData

@attribute ageDiagNum numeric
@attribute raceGroup {Black,Other,Unknown,White}
@attribute stage3 {0,I,IIA,IIB,IIIA,IIIB,IIIC,IIINOS,IV,'UNK Stage'}
@attribute m3 {M0,M1,MX}
@attribute reasonNoCancerSurg {'Not performed, patient died prior to recommended surgery','Not recommended','Not recommended, contraindicated due to other conditions','Recommended but not performed, patient refused','Recommended but not performed, unknown reason','Recommended, unknown if performed','Surgery performed','Unknown; death certificate or autopsy only case'}
@attribute ext2 {00,05,10,11,13,14,15,16,17,18,20,21,23,24,25,26,27,28,30,31,33,34,35,36,37,38,40,50,60,70,80,85,99}
@attribute time2 {}
@attribute time4 {}
@attribute time6 {}
@attribute time8 {}
@attribute time10 {}

@data
65,White,IIA,MX,'Not recommended, contraindicated due to other conditions',14,?,?,?,?,?

我需要得到二进制属性time2，以time10从他们各自的模型。

以下是我用来从所有模型文件中获取预测的代码片段：

private static Map<String, Object> predict(Instances instances,
        Classifier classifier, int attributeIndex) {
    Map<String, Object> map = new LinkedHashMap<String, Object>();
    int instanceIndex = 0; // do not change, equal to row 1
    double[] percentage = { 0 };
    double outcomeValue = 0;
    AbstractOutput abstractOutput = null;

    if(classifier.getClass() == RandomForest.class || classifier.getClass() == RandomSubSpace.class) {
        // has problems predicting time2 to time10
        instances.setClassIndex(5); 
    } else {
        // works as intended in LogitBoost and ADTree
        instances.setClassIndex(attributeIndex);    
    }

    try {
        outcomeValue = classifier.classifyInstance(instances.instance(0));
        percentage = classifier.distributionForInstance(instances
                .instance(instanceIndex));
    } catch (Exception e) {
        e.printStackTrace();
    }

    map.put("Class", outcomeValue);

    if (percentage.length > 0) {
        double percentageRaw = 0;
        if (outcomeValue == new Double(1)) {
            percentageRaw = percentage[1];
        } else {
            percentageRaw = 1 - percentage[0];
        }
        map.put("Percentage", percentageRaw);
    } else {
        // because J48 returns an error if percentage[i] because it's empty
        map.put("Percentage", new Double(0));
    }

    return map;
}

这是我用来预测结果的模型，time2因此我们将使用索引6：

instances.setClassIndex(5);

问题

正如我之前所说的，LogitBoost与ADTree其他三种方法相比，这种简单的方法没有问题，因为我遵循了“在Java代码中使用WEKA ”教程。
[解决]从我tweakings基础，RandomForest并RandomSubSpace返回一个ArrayOutOfBoundsException如果说预测time2到time10。
```
java.lang.ArrayIndexOutOfBoundsException: 0
    at weka.classifiers.meta.Bagging.distributionForInstance(Bagging.java:586)
    at weka.classifiers.trees.RandomForest.distributionForInstance(RandomForest.java:602)
    at weka.classifiers.AbstractClassifier.classifyInstance(AbstractClassifier.java:70)
```
堆栈跟踪将根本错误指向该行：
```
outcomeValue = classifier.classifyInstance(instances.instance(0));
```
解决方案：我的过程中有一些复制粘贴错误ARFF文件创建的二元变量time2来time10就FastVector<String>()到的值的分配FastVector<Attribute>()对象。我的十款RandomForest和RandomSubSpace车型现在都工作正常！

[已解决] J48决策树现在有一个新问题。现在，它不再提供任何预测，而是返回一个错误：

java.lang.ArrayIndexOutOfBoundsException: 11
    at weka.core.DenseInstance.value(DenseInstance.java:332)
    at weka.core.AbstractInstance.isMissing(AbstractInstance.java:315)
    at weka.classifiers.trees.j48.C45Split.whichSubset(C45Split.java:494)
    at weka.classifiers.trees.j48.ClassifierTree.getProbs(ClassifierTree.java:670)
    at weka.classifiers.trees.j48.ClassifierTree.classifyInstance(ClassifierTree.java:231)
    at weka.classifiers.trees.J48.classifyInstance(J48.java:266)

它追溯到线

outcomeValue = classifier.classifyInstance(instances.instance(0));

解决方案：实际上，我是随机运行该程序的，J48并且可以运行-给结果变量和相关的分布。

我希望有人可以帮助我解决这个问题。我真的不知道这段代码有什么问题，因为我已经在线检查了Javadocs和示例，并且常量预测仍然持续存在。

（我目前正在检查WEKA GUI的主程序，但请在这里帮助我：-））

xtof54

我现在只看过RandomForest问题。这是因为Bagging类从数据实例本身而不是从模型中提取不同类的数量。您在文本中说time2到time10是二进制的，但是您没有在ARFF文件中说出来，因此Bagging类不知道有多少个类。

因此，您只需要在ARFF文件中指定time2是二进制的，例如：@attribute time2 {0,1}

而且您将不再获得任何例外。

我没有研究过J48问题，因为它与ARFF定义可能是相同的问题。

测试代码：

  public static void main(String [] argv) {
      try {
        Classifier cls = (Classifier) weka.core.SerializationHelper.read("bosom.100k.2.j48.MODEL");
        J48 c = (J48)cls;

        DataSource source = new DataSource("data.arff");
        Instances data = source.getDataSet();
        data.setClassIndex(6);        

        try {
            double outcomeValue = c.classifyInstance(data.instance(0));
            System.out.println("outcome "+outcomeValue);
            double[] p = c.distributionForInstance(data.instance(0));
            System.out.println(Arrays.toString(p));
        } catch (Exception e) {
            e.printStackTrace();
        }
    } catch (Exception e) {
        e.printStackTrace();
    }

本文收集自互联网，转载请注明来源。

如有侵权，请联系 [email protected] 删除。