当前位置：文江博客话题详情

如何在我的 Java 代码中将 LibSVM 与 Weka 结合使用？

发布于 2024-10-20 11:51:37 字数 66 浏览 2 评论 0原文

我想在我的应用程序中将 LibSVM 分类器与 Weka 一起使用。我该如何（或者在哪里可以找到好的例子）做到这一点？

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

骄傲 2024-10-27 11:51:38

请点击此链接以结合 Weka 和 libsvm
http://www.cs.iastate.edu/~yasser/wlsvm/

weka 擅长计算 ROC、召回率等......
libsvm 适用于分类、回归等...

回复收藏 0 原文

挽清梦 2024-10-27 11:51:37

当然现在有点晚了，但无论如何我都会回答。您必须在项目中使用 weka.jar、libsvm.jar 和 wlsvm.jar（libsvm 包装器）。因此，只需将所有 3 个 jar 包含在您的构建路径或类路径或其他路径中即可。

您可以从此处获取 wlsvm.jar：http://ailab.ist.psu。 edu/yasser/wlsvm.html

您可以从这里获取 weka：http ://www.cs.waikato.ac.nz/ml/weka/

你可以从这里获取libsvm：http://www.csie.ntu.edu.tw/~cjlin/libsvm/

我无法让它与 weka 3.7.7 或 3.7.8 一起使用，但我能够让它与 3.6.8（今天最新的稳定版本）一起工作。

另外，因为我必须从 svnlib 获取 .class 文件，并将这些文件包含在我的项目的构建路径中。要构建 .class 文件，请使用 SVNLib/java 中的 make 文件。

这里有一小段代码可以帮助您入门：

        DataSource source = new DataSource(new File("mycsvinputfile"));
        System.out.println(source.getStructure());
        Instances data = source.getDataSet();

        // setting class attribute if the data format does not provide this information
        // For example, the XRFF format saves the class attribute information as well
        if (data.classIndex() == -1)
            data.setClassIndex(data.numAttributes() - 1);

        //initialize svm classifier
        LibSVM svm = new LibSVM();
        svm.buildClassifier(data);

祝您好运。

A little late now, surely, but I'll answer anyways. You have to use weka.jar, libsvm.jar, and wlsvm.jar (the libsvm wrapper) in your project. So just include all 3 jars in your build path or class path or whatever.

You can get the wlsvm.jar from here: http://ailab.ist.psu.edu/yasser/wlsvm.html

You can get weka from here: http://www.cs.waikato.ac.nz/ml/weka/

And you can get libsvm from here: http://www.csie.ntu.edu.tw/~cjlin/libsvm/

I could not get this to work with weka 3.7.7 or 3.7.8, but I was able to get it working with 3.6.8 (latest stable version as of today).

Also, as I had to get the .class files from the svnlib and also include those in the build path to my project. To build the .class files, use the make file in the SVNLib/java.

Here is a small piece of code to get you started:

        DataSource source = new DataSource(new File("mycsvinputfile"));
        System.out.println(source.getStructure());
        Instances data = source.getDataSet();

        // setting class attribute if the data format does not provide this information
        // For example, the XRFF format saves the class attribute information as well
        if (data.classIndex() == -1)
            data.setClassIndex(data.numAttributes() - 1);

        //initialize svm classifier
        LibSVM svm = new LibSVM();
        svm.buildClassifier(data);

Good luck.

回复收藏 0 原文

痴者 2024-10-27 11:51:37

在新版本中，您只需要 weka.jar 并像这样调用 svm，

WekaPackageManager.loadPackages( false, true, false );
AbstractClassifier classifier = ( AbstractClassifier ) Class.forName(
            "weka.classifiers.functions.LibSVM" ).newInstance();

如果您喜欢提供选项，请像这样设置选项

String options = ( "-S 0 -K 0 -D 3 -G 0.0 -R 0.0 -N 0.5 -M 40.0 -C 1.0 -E 0.001 -P 0.1" );
String[] optionsArray = options.split( " " );
    classifier.setOptions( optionsArray );

最后训练分类器

classifier.buildClassifier( train );

With new version you just need the weka.jar and call svm like this,

WekaPackageManager.loadPackages( false, true, false );
AbstractClassifier classifier = ( AbstractClassifier ) Class.forName(
            "weka.classifiers.functions.LibSVM" ).newInstance();

If you prefer to give options set the options like this

String options = ( "-S 0 -K 0 -D 3 -G 0.0 -R 0.0 -N 0.5 -M 40.0 -C 1.0 -E 0.001 -P 0.1" );
String[] optionsArray = options.split( " " );
    classifier.setOptions( optionsArray );

Finally train the classifier