WEKA(www.cs.waikato.ac.nz/ml/weka/)作为一个公开的数据挖掘工作平台,集合了大量能承担数据挖掘任务的机器学习算法,包括对数据进行预处理,分类,回归、聚类、关联规则以及在新的交互式界面上的可视化。而开发者则可使用Java语言,利用Weka的架构上开发出更多的数据挖掘算法。
Python是一种面向对象、直译式计算机程序设计语言,也是一种功能强大而完善的通用型语言,已经具有十多年的发展历史,成熟且稳定。这种语言具有非常简捷而清晰的语法特点,适合完成各种高层任务,几乎可以在所有的操作系统中运行。目前,基于这种语言的相关技术正在飞速的发展,用户数量急剧扩大,相关的资源非常多。越来越多的实验室和科研院所选择python 语言作为自己的编程语言以快速高效的开发实验程序,观察实验结果。
那么如果能将功能强大的python语言和weka平台中用java语言实现好的机器学习算法结合起来,毫无疑问可以使写程序做实验的过程变得更加的轻松,简便。
虽然现在还没有相关的第三方工具提供python语言和java语言互相调用的功能,但是在nltk(nltk.sourceforge.net/)这是一个用python语言编写的自然语言处理工具包,在其nltk.classify.weka类中给我们在python程序中调用 weak中的分类器提供了一个途径。通过其中WekaClassifier类可以由python程序生成的features 转化为weka中的arff文件格式,自动的设置命令参数。并对自动的解析weka返回的分类结果,将其保存在列表。
Example:
def gender_features(name):
features = {}
for letter in 'abcdefghijklmnopqrstuvwxyz':
features['count(%s)' % letter] = name.lower().count(letter)
features['has(%s)' % letter] = letter in name.lower()
features['startswith(%s)' % letter] = (letter==name[0].lower())
features['endswith(%s)' % letter] = (letter==name[-1].lower())
return features
if __name__ == "__main__":
from nltk.corpus import names
import random
names = ([(name, 'male') for name in names.words('male.txt')] +[(name, 'female') for name in names.words('female.txt')])
random.shuffle(names)
featuresets = [(gender_features(n), g) for (n,g) in names]
train_set, test_set = featuresets[500:], featuresets[:500]
classifier = WekaClassifier.train(r'c:/name.model',train_set,'weka.classifiers.functions.Logistic')
print nltk.classify.accuracy(classifier, test_set)
ls = ["Alex","Neo","vivian","tom"]
result = classifier.batch_classify([gender_features(name) for name in ls])
print result
不过由于版本和操作系统的问题,需要对nltk中nltk.classify.weka下的一些源文件做出修改,才可以正常使用,目前我们已经发现的bug有
1 命令行下的命令修改成为java.exe
2 输出结果的解析功能,解析返回列表的下标起始位置不正确,需要根据你的weka版本来确定
3 合成命令行下命令时,命令的组合中 –cp参数的两个值在windows os中应该通过“;”连接起来
4 需要设定WEKAHOME或者在程序设定的默认搜索路径中加入你的weka文件所在的路径
(吴博 bowu365@gmail.com)
分享到:
相关推荐
皮维卡使用 Python 脚本运行所有 Weka 分类器(CSV 到 ARFF 转换器、数据集缩放、多个类、格式化结果等) 使用 _Run_pyWeka.py 和 Params.csv 为 _Attributes.csv 中定义的多个数据集运行 _Classifiers4NormData.txt...
帮助在java中调用weka中的数据集的源代码,java写的代码
python-weka-wrapper, 使用javabridge的Weka的python 包装器 python-weka-wrapper使用库的Java机器学习工作台 Weka的python 包装器。要求:python 2.7 ( 用于 python 3版本,请参见这里的 )javabridge (> = 1.0.1
java调用weka。weka是很好用的机器学习库,这里就不详细介绍了。 言归正传,要使用程序方式使用weka,步骤如下: 一、在eclipse里新建一个Java project: 1. 建立工程:单击菜单中file->new->Java project,在弹出...
需要安装Weka软件,需要自己在目录下加入labeled.arff!首先训练分类器(采用RBFtree算法),然后计算正确率。
将weka中的数据调用到matlab使用
Java调用weka神经网络算法预测股票,含有代码及数据,代码有详细解释,数据为大量数据。
weka分类群集资源 weka分类 weka群集 代码 资源 数据
使用matlab 调用weka算法实现数据处理
该文件有一个示例,说明如何从 MATLAB 运行 WEKA Logistic 回归分类器,并将 ridge 参数传递给它。
「java调用Weka中神经网络的算法(从数据库中取数据)」.docx
数据挖掘的过程一般如下: 1. 读入训练、测试样本 2. 初始化分类器 3. 使用训练样本训练分类器 4. 使用测试样本测试分类器的学习效果 5. 打印分类结果
可以在weka中使用并被JAVA调用的SVM工具包
weka的JAVA程序,本程序连接的数据库为mysql
本工具包集成了Weka中最新的分类和聚类算法,将其打包成jar包,方便java开发者调用
这一我自己写的weka文本分类器,里面有代码的注视,也有样本数据,可以方便大家入门使用
Java使用Weka的整个流程,内有示例。配置:MyEclipse2013+Weka3.6+libsvm3.18+Jdk1.7+Win8.1
一个我本人写的关天Weka.jar工具包中各种聚类算法的调用的java源程序
这是个数据挖掘的程序,数据的属性大于十三万维,所以先采用了weka的特征选择进行降维,然后用weka训练一个model,分类的时候就是调用这个model来分类。自己写的代码都在weka.user包中。