Classement Instance Unique dans Weka

Je me suis formé et créé un J48 modèle à l'aide de WEKA gui. J'ai enregistré le fichier de modèle de mon ordinateur et maintenant je voudrais l'utiliser pour classer un seul exemple, dans mon code Java. Je voudrais obtenir une prédiction pour l'attribut "cluster". Ce que je fais est la suivante:

public void classify(double lat, double lon, double co)
{            

//Create attributes to be used with classifiers
                    Attribute latitude = new Attribute("latitude");
                    Attribute longitude = new Attribute("longitude");
                    Attribute carbonmonoxide = new Attribute("co");

                    //Create instances for each pollutant with attribute values latitude, longitude and pollutant itself
                    inst_co = new DenseInstance(4);

                    //Set instance's values for the attributes "latitude", "longitude", and "pollutant concentration"
                    inst_co.setValue(latitude, lat);
                    inst_co.setValue(longitude, lon);
                    inst_co.setValue(carbonmonoxide, co);
                    inst_co.setMissing(cluster);


    Classifier cls_co = (Classifier) weka.core.SerializationHelper.read("/CO_J48Model.model");//load classifier from file

                    //Test the model
        double result = cls_co.classifyInstance(inst_co);
}

Cependant, je reçois un IndexArrayOutofBoundsException sur la ligne inst_co.setValue(latitude, lat);. Je ne pouvais pas trouver la raison de cette exception. Je vais apprécier si quelqu'un pouvait me diriger dans la bonne direction.

OriginalL'auteur Erol | 2012-10-23

  1. 8

    Vous devez ajouter votre inst_co à votre ensemble de données, une des Instances de l'objet. Suivants du code devrait fonctionner.

    import java.util.ArrayList;

import weka.classifiers.Classifier;
import weka.core.Attribute;
import weka.core.DenseInstance;
import weka.core.Instance;
import weka.core.Instances;

public class QuestionInstanceClassifiy {

    public static void main(String[] args) {
        QuestionInstanceClassifiy q = new QuestionInstanceClassifiy();
        double result = q.classify(1.0d, 1, 1);
        System.out.println(result);
    }

    private Instance inst_co;

    public double classify(double lat, double lon, double co)  {

        //Create attributes to be used with classifiers
        //Test the model
        double result = -1;
        try {

            ArrayList<Attribute> attributeList = new ArrayList<Attribute>(2);

            Attribute latitude = new Attribute("latitude");
            Attribute longitude = new Attribute("longitude");
            Attribute carbonmonoxide = new Attribute("co");

            ArrayList<String> classVal = new ArrayList<String>();
            classVal.add("ClassA");
            classVal.add("ClassB");


            attributeList.add(latitude);
            attributeList.add(longitude);
            attributeList.add(carbonmonoxide);
            attributeList.add(new Attribute("@@class@@",classVal));

            Instances data = new Instances("TestInstances",attributeList,0);


            //Create instances for each pollutant with attribute values latitude,
            //longitude and pollutant itself
            inst_co = new DenseInstance(data.numAttributes());
            data.add(inst_co);

            //Set instance's values for the attributes "latitude", "longitude", and
            //"pollutant concentration"
            inst_co.setValue(latitude, lat);
            inst_co.setValue(longitude, lon);
            inst_co.setValue(carbonmonoxide, co);
            //inst_co.setMissing(cluster);

            //load classifier from file
            Classifier cls_co = (Classifier) weka.core.SerializationHelper
                    .read("/CO_J48Model.model");

            result = cls_co.classifyInstance(inst_co);
        } catch (Exception e) {
            //TODO Auto-generated catch block
            e.printStackTrace();
        }
        return result;
    }
}

    Vous créez l'objet de données à partir d'Instances. Ajouter votre exemple de ces données. Après cela, vous pouvez définir vos valeurs à l'Instance.

    Instances data = new Instances("TestInstances",attributeList,0);
inst_co = new DenseInstance(data.numAttributes());
data.add(inst_co);

    Je vous suggère d'en-tête de l'information et des Instances de valeurs à partir d'un fichier externe ou de la création de cette information qu'une seule fois.

    Je vous remercie pour la grande réponse. Juste pour préciser, les classA et classB sont les résultats possibles de classification, c'est à dire mes noms de cluster, droit? Je suppose qu'ils doivent être la même avec ceux qui sont utilisés alors que j'étais en train de créer le modèle.
    Pas de travail, je suis weka.de base.UnassignedDatasetException: DenseInstance n'ont pas accès à un ensemble de données! erreur. Suppose que je vais devoir l'attribuer à un ensemble de données, peut-être celui que j'ai utilisé pour le train?
    vous devez l'affecter à l'ensemble de données avec le même en-tête. Leurs informations d'en-tête doit être la même
    Juste pour s'assurer que: j'ai lu dans mon arff fichier avec les données que j'ai utilisé avec le classificateur, céder mon exemple à cet ensemble de données et également attribuer une valeur de classe?
    pourriez-vous donner un exemple simple de votre fichier arff?. L'en-tête et 3-4 lignes de données?

    OriginalL'auteur Atilla Ozgur

  2. 3

    En fait j'ai essayé dans ma situation d'appel de l'instance.setDataSet() la méthode,pas la addInstance méthode.Afin de vous code doit être inst_co.setDataSet(données).

    OriginalL'auteur changer