用于-M选件的Weka RandomForest设置器
Weka是一种流行的开源机器学习工具，提供了丰富的数据挖掘和机器学习算法。其中，RandomForest是Weka中的一个设置器（Classifier），用于构建随机森林模型。随机森林是一种集成学习算法，通过组合多个决策树来进行分类或回归任务。
随机森林的主要特点和优势包括：
- 高准确性：随机森林能够处理大量的训练数据，并在分类和回归任务中取得较高的准确性。它对于处理高维数据和具有复杂关系的数据集尤其有效。
- 抗过拟合：随机森林使用自助采样法（bootstrap sampling）和随机特征选择，能够减少模型的过拟合风险。每棵决策树都是通过随机选择一部分训练样本和特征来训练的，增加了模型的多样性。
- 可解释性：随机森林可以提供特征的重要性排序，帮助我们理解数据中各个特征的贡献程度。这对于特征选择和数据分析非常有价值。
- 鲁棒性：随机森林对于缺失值和异常值有较好的容错性，能够处理不完整和含有噪声的数据。
Weka中的RandomForest设置器提供了丰富的参数选项，可以通过调整参数来优化模型性能。例如，可以设置决策树的数量、特征选择方法、决策树最大深度等。具体的参数设置可参考Weka官方文档中关于RandomForest设置器的说明。
在腾讯云中，可以使用云计算服务和人工智能平台来搭建和部署基于Weka的随机森林模型。腾讯云提供了丰富的云产品和服务，例如云服务器、云数据库、人工智能平台、物联网套件等，可用于支持各类云计算和机器学习应用场景。
参考链接：
相关·内容
我正面临着从SD卡加载保存的模型的问题。在Weka的官方wiki中，我发现了两种反序列化模型的方法，但它们都不适用于Android。
//First Method
RandomForest rf = (RandomForest) weka.core.SerializationHelper.
read(Environment.getExternalStorageDirectory().getPath() + "/BC.model");
//Second Method
ObjectInputStream ois = new ObjectInputStream(new Fi
浏览 0提问于2013-05-08得票数 1
2回答
在Java编程中，我们首先应该将weka.jar添加到类路径中，这样我们就可以以以下代码的形式调用WEKA中的所有分类或聚类算法，
import weka.classifiers.trees.RandomForest;
...
RandomForest rf = new RandomForest(); // RandomForest object
但不幸的是，我们不能用这种方式导入LibSVM算法，因为weka.jar中没有这样的类。
那么，我的问题是如何将LibSVM导入到我的Java代码中？如有任何帮助，将不胜感激:)
浏览 4提问于2017-07-07得票数 2
回答已采纳
Weka RandomForest类提供了各种设置器，如setNumIterations()、setNumFeatures()、setMaxDepth()等。是否也有一个设置器来设置RandomForest的每个叶的最小实例数选项？ 我目前正在使用-M通过setOptions()间接设置它，但这会在从命令行java -jar target/MyApp.jar运行程序时触发“无法找到允许的类”错误(请参阅Weka - Can't find a permissible class)。但是，在Apache Netbeans IDE中从它运行确实没有任何错误，所以一些类路径/Maven更改可
浏览 12提问于2021-05-02得票数 0
回答已采纳
我使用WEKA将一个只有27个实例的小数据集分类为二进制分类。我尝试过使用更大的数据集，weka显示了混淆矩阵和其他度量，但对于我的主实例和小实例，dataset只显示了以下内容：
Scheme: weka.classifiers.trees.RandomForest -P 100 -I 100 -num-slots 1 -K 0 -M 1.0 -V 0.001 -S 1
Relation: t_PROMIS_mtbi-weka.filters.unsupervised.attribute.Remove-R1
Instances: 27
Attributes:
浏览 3提问于2021-10-30得票数 1
回答已采纳
1回答
韦卡随机森林参数的优化？
、、、、
我试图使用weka优化随机森林参数，java类如下所示：
package pkg10foldcrossvalidation;
import weka.core.*;
import weka.classifiers.meta.*;
import weka.classifiers.trees.RandomForest;
import java.io.*;
public class RF_Optimizer {
public static void main(String[] args) throws Exception {
// load data
Buf
浏览 0提问于2018-03-29得票数 1
我是新来Weka的。
我尝试使用API运行WEKA，发现WEKA GUI的结果与Java代码产生的结果不匹配。
我试图通过提供TrainingSet和测试集来运行RandomForest算法。
以下是代码片段：
DataSource ds = new DataSource(trainingFile);
Instances insts = ds.getDataSet();
insts.setClassIndex(insts.numAttributes() - 1);
Classifier cl
浏览 0提问于2012-08-09得票数 2
我已经使用Weka 3.7.9将一个随机森林模型保存到一个文件中，现在我正在尝试将其与其他(非常大的)集合(在亚马逊EC2中的一些大机器上)进行评估。我使用以下命令行：
> java -server -Xmx60000m -cp weka.jar weka.classifiers.Evaluation
weka.classifiers.trees.RandomForest -T test.arff -l random-forest.model
-i -no-cv
但是，我得到的唯一输出是这样的：
=== Error on test data ===
Correctly Classif
浏览 2提问于2013-03-21得票数 6
回答已采纳
我使用weka RF.and，它有训练/测试拆分百分比，将数据集分成训练集和测试集，我不知道在weka explorer的训练集中是否会有重复的实例，重复的情况是否会影响结果。我知道使用bootstrap的RandomForest和训练集具有重复的实例，且与数据集具有相同的大小。
浏览 1提问于2014-04-08得票数 0
2回答
我查阅了几个参考资料，以了解如何将经过训练的Weka模型输出到Java源代码中，以便我可以使用我在实际代码中培训的分类器，用于我一直在开发的研究应用程序。
当我使用Weka 3.7时，我注意到当使用更简单的分类(在我的例子中是监督的)方法(例如J48决策树)时，它确实会将Java代码输出到主文本缓冲区，但是它删除了选项(相反，它删除了选中它和淡出文本的能力)来输出RandomTree和RandomForest的Java代码(这些方法在我的情况下给了我最好的性能)。注意:我点击“更多选项”按钮，并检查“输出源代码：”。
Weka不允许将RandomTree或RandomForest输出为Java
浏览 2提问于2013-11-11得票数 0
回答已采纳
当我试图对我的数据使用Logistic分类器时，我似乎不明白为什么我要得到一个IndexOutOfBoundsException。
当我运行这个程序的时候我就知道了。
java.lang.IndexOutOfBoundsException: Index: 11, Size: 11
at java.util.ArrayList.rangeCheck(Unknown Source)
at java.util.ArrayList.get(Unknown Source)
at weka.core.Instances.attribute(Instances.java:341)
at weka.filte
浏览 0提问于2013-12-16得票数 0
当在单个实例上使用Weka分类器时，它会返回一个分类，例如：
double classLabel = classifier.classifyInstance(instance);
我也有信心(例如，使用RandomForest分类器)：
double[] confidences = classifier.distributionForInstance(instance);
如果我使用的是组合了几个真实分类器的分类器Weka.classifiers.meta.vote，有没有办法获得同样的置信度？
浏览 1提问于2013-10-01得票数 0
我尝试使用Weka的类对测试数据集的某些实例进行分类。
我使用一个不同的训练数据集来训练分类器。测试集和训练集(arff文件)都有相同的属性结构，但是测试集不包含任何类值。
使用的分类器选项是-tcl myclass (设置我的目标类)。
运行distributionForInstance(Instance)方法时，我得到以下错误：
java.lang.ArrayIndexOutOfBoundsException: 3
# weka.core.DenseInstance.value(weka/core/DenseInstance.java:332)
# weka.core.Abst
浏览 2提问于2014-04-23得票数 0
回答已采纳
使用Java Weka库，我需要设置树的数量。
我找到了一个，但似乎这个方法
RandomForest rf = new RandomForest();
rf.setNumTrees(100);
不再起作用，我也看不到任何替代品。
浏览 0提问于2017-02-24得票数 2
回答已采纳
我正在尝试使用weka+Matlab使用一些分类器执行分类，但是，一些分类器不接受我用setOptions发送的参数。
看看这段测试代码，我不知道为什么，Logistic分类器构建正确，但Ibk显示了一个错误：
%Load the csv File returning an object with the features.
wekaObj= loadCSV('C:\experimento\selecionados para o experimento\Experimento Final\dados\todos.csv');
%Create an instance of th
浏览 0提问于2013-05-27得票数 1
我想用weka来计算变量的重要性。我读过“Breiman‘s Random Forest Machine Learning Algorithm的实现”一文，它使用tree.RandomForestExt分类器，并且具有重要变量。我有三个版本的weka，它们都有tree.RandomForest分类器，这个分类器没有可变的重要性。如何为我的weka工具下载tree.RandomForestExt分类器？
浏览 1提问于2013-04-17得票数 1
当使用相同的RandomForest技术和相同的数据集时，我发现WEKA和scikit之间的结果有特殊的差异。使用scikit，我得到了大约0.62的AUC (一直如此，因为我做了大量的测试)。然而，使用WEKA，我得到了接近0.79的结果。这是一个巨大的差异！
我测试算法的数据集是KC1.arff，我在我的公共dropbox文件夹中放了一个副本。对于WEKA，我只是从下载了.jar文件。在WEKA中，我将交叉验证参数设置为10倍，数据集设置为KC1.arff，算法设置为"RandomForest -l 19 -K 0 -S 1“。然后运行代码！在WEKA中生成结果后，应将其另存为文件
浏览 2提问于2013-02-18得票数 3
回答已采纳
1回答
我正在使用weka 3.6.13，并尝试使用模型来对数据进行分类：
java -cp weka-stable-3.6.13.jar weka.classifiers.Evaluation weka.classifiers.trees.RandomForest -l Parking.model -t Data_features_class_ques-2.arff
java.lang.Exception: training and test set are not compatible
虽然模型在我们使用图形用户界面时可以工作，但通过资源管理器->分类->Supplied测试集并
浏览 1提问于2016-02-29得票数 0
1回答
概述
我正在使用WEKAAPI3.7.10(开发人员版本)来使用我预先制作的.model文件。
我建立了25种模型:5种算法的5个结果变量。
。
交替决策树
随机林
LogitBoost
随机子空间
我有J48，随机子空间和随机森林的问题。
必要档案
以下是创建后数据的ARFF表示：
@relation WekaData
@attribute ageDiagNum numeric
@attribute raceGroup {Black,Other,Unknown,White}
@attribute stage3 {0,I,IIA,IIB,IIIA,IIIB,III
浏览 2提问于2014-02-16得票数 1
回答已采纳
最近我正在研究WEKA，输出随机森林的详细规则。
我正在处理的类具有以下层次关系：
public class RandomForest extends Classifier {
public Bagging m_bagger;
public String toString(){
return "other"+m_bagger.toString();
}
}
public class Bagging extends RandomizableIteratedSingleClassifierEnhancer{
浏览 1提问于2013-09-26得票数 1
回答已采纳
我是weka的新手，我的分类项目使用它有问题。
我有一个有1000个实例的列车数据集和200个用于测试的实例之一。问题是，当我尝试测试一些算法(如随机森林)的性能时，交叉验证和测试集给出的数字确实是不同的。
下面是一个具有交叉验证的示例
=== Run information ===
Scheme:weka.classifiers.trees.RandomForest -I 100 -K 0 -S 1
Relation: testData-weka.filters.unsupervised.attribute.StringToWordVector-R1-W10000000-prune
浏览 3提问于2015-06-15得票数 0
回答已采纳
1回答
实际上，我知道在weka，中有一个GUI方法可以在10倍交叉验证中获取每个折叠的结果，但是我正在使用weka进行编程。
不幸的是，我来自java程序的结果与weka的探索中的结果非常不同。我的代码是部分图像描述，
Instances data1 = DataSource.read("D:/Users/.../XX.arff"); // upload the dataset
data1.setClassIndex(data1.numAttributes()-1); // set class index
data1.randomize(new Random(1))
data1.st
浏览 0提问于2017-07-06得票数 1
回答已采纳
我使用的是Weka 3.7.11中的RandomForest，这反过来又包装了Weka的RandomTree。我的输入属性是数字的，输出属性(标签)也是数字的。
在训练RandomTree时，对树的每个节点随机选择K个属性。尝试了基于这些属性的几个拆分，并选择了“最佳”的一个。在这个(数字)情况下，Weka是如何确定什么是最佳的？
对于名义属性，我认为Weka使用的是基于条件熵的准则。
IG(T|a) = H(T) - H(T|a)
类似的东西是否用于数值属性？也许是微分熵？
浏览 2提问于2015-05-10得票数 1
回答已采纳
我正在使用这个命令行
java -cp weka.jar weka.classifiers.trees.RandomForest -T tdata.arff -l rndforrest.model -p 0 > data.out
但是我想用java来做，而不是使用文件，所有的东西都应该是动态的。模型可以在一开始加载一次，tdata.arff应该是我需要预测(分类？)的一个数据行。
如下所示：
weka.classifiers.Classifier rndForrest = (weka.classifiers.Classifier)weka.core.SerializationHelper
浏览 0提问于2014-11-25得票数 0
我正在使用Weka 3.6.13 (最迟在发布时)，而且我似乎无法让AdaBoostM1选择一个分类器。我想包括和基本分类器的选项。但是函数setClassifier()似乎并不存在于JAR中，而是存在于文档中。
import java.io.*;
import weka.classifiers.Classifier;
import weka.classifiers.Evaluation;
import weka.classifiers.evaluation.NominalPrediction;
import weka.classifiers.meta.AdaBoostM1;
import w
浏览 5提问于2016-03-18得票数 2
回答已采纳
我已经在只有命令行接口的linux机器上安装了Weka 3.7.12。我也下载了LibSVM.jar文件，并将其复制到同一个目录中。如何使用命令行的10倍交叉验证运行libsvm，方式类似于
java weka.classifiers.trees.RandomForest -I 100 -t ./data/iris.arff
浏览 9提问于2015-06-12得票数 0
回答已采纳
1回答
我有一个包含一些标称值作为特征的数据集。我的训练集有一组标称特征的值，这些特征在我的测试集中是不存在的。例如，我在训练集中的特征对应于
@attribute h4 {br,pl,com,ro,th,np}
并且测试集中的相同功能具有
@attribute h4 {br,pl,abc,th,def,ghi,lmno}
我相信正因为如此，weka不允许我重新评估我在测试集上建立的训练集模型。有什么办法可以解决这个问题吗？我是不是遗漏了什么？
编辑:我使用的是RandomForest分类器。
谢谢
浏览 2提问于2013-11-28得票数 8
1回答
威卡退耕还林
、、、、
我正在使用Weka，并希望对随机森林进行回归。具体来说，我有一个数据集：
Feature1,Feature2,...,FeatureN,Class
1.0,X,...,1.4,Good
1.2,Y,...,1.5,Good
1.2,F,...,1.6,Bad
1.1,R,...,1.5,Great
0.9,J,...,1.1,Horrible
0.5,K,...,1.5,Terrific
.
.
.
我不想学习预测最有可能的类，而是学习给定特征向量在类中的概率分布。我的直觉是，仅在Weka中使用RandomForest模型是不合适的，因为它将试图最小化其绝对误差(最大似然)而不是其平方误差(条
浏览 5提问于2012-11-07得票数 2
回答已采纳
我正在尝试在WEKA中运行分类器，使用J48分类器，使用以下命令行：
$ java -Xmx2048m -cp /home/weka-3-7-9/weka.jar weka.classifiers.trees.J48 -t input.arff -i -k -d J48-data.model &
虽然我的arff的大小是43.8M，并且我将堆空间估算为2048m，但我仍然收到以下错误：
Exception in thread "main" java.lang.OutOfMemoryError: Java heap space
at java.util.Array
浏览 1提问于2013-09-28得票数 5
回答已采纳
1回答
我使用spark.mllib.classification.{LogisticRegressionModel，LogisticRegressionWithSGD}和spark.mllib.tree.RandomForest进行分类。使用这些包，我会生成分类模型。只有这些模型预测每个实例的特定类。在Weka中，我们可以得到每个实例属于每个类的确切概率。我们怎么才能用这些包来做呢？
在LogisticRegressionModel中，我们可以设置阈值。因此，我创建了一个函数来检查每个点在不同阈值上的结果。但是RandomForest不能这样做(参见)
浏览 1提问于2015-07-05得票数 1
1回答
我用Weka来预处理数据集。问题是，我有一个属性'medical ‘，它包含了超过70个标签，所以通过爆炸它(将它从标称改为二进制)，我在数据集中又得到了70个属性。所以我找到了一种尽量减少这个数目的方法：
下面是理解这个想法的标签值的一个例子：
*儿科
*Pediatrics-Endocrnology
*Endocrinology
因此，我只需要将儿科和Endocrinology作为属性，对于Pediatrics-Endocrnology中的实例，它们在儿科中为1，在Endocrinology.中为1。
我怎么才能用weka做这事？有什么建议吗？
浏览 0提问于2018-04-13得票数 0
2回答
我已经成功地安装了Weka，并需要它连接到我们的MS。但是，当我启动Weka时，我会得到以下错误：
# java -Xmx1000M -jar weka.jar
---Registering Weka Editors---
Trying to add database driver (JDBC): jdbc.idbDriver - Error, not in CLASSPATH?
在这里，我可以获得一个.jar或lib文件，其中我只有下面列出的.jar文件：
# find . -name "*.jar"
./weka.jar
./weka-src.jar
./remoteExp
浏览 10提问于2015-04-20得票数 0
回答已采纳
我正在尝试编写一个脚本，它可以批量处理Weka中的多个ARFF文件。但是，我总是得到“未处理的异常类型异常”错误。Eclipse是建议在每一行代码周围放置try-catch语句。
在接受建议之后，代码运行。然而，如果我这样做的话，它是非常不可读的代码。有谁知道如何修复这个未处理的异常类型异常错误？
import java.io.BufferedReader;
import java.io.FileNotFoundException;
import java.io.FileReader;
import java.io.IOException;
import java.nio.file.Files
浏览 2提问于2016-06-08得票数 0
回答已采纳
3回答
我必须在weka中运行许多arff文件，对于每个文件，我必须运行多个分类器- MLP、RandomForest、FURIA等，并为每个测试选项提供不同的测试选项，并存储它们的每个结果。手工完成每一个操作都是非常耗时的。我正在寻找一些方法，或一些脚本，可以自动化的过程。我必须承认，我是机器学习新手，对脚本一无所知。我发现了这个- ，虽然我在这里掌握了如何操作分类器，但我无法理解如何将测试选项从交叉验证更改为百分比分割。
请告诉我任何可能帮助我的方法。任何帮助都将不胜感激。
浏览 5提问于2015-12-02得票数 2
回答已采纳
1回答
我正在使用randomForest包R来训练分类模型。为了将其与其他分类器进行比较，我需要一种方法来显示Weka中相当冗长的交叉验证方法所提供的所有信息。因此，R脚本应该输出一些类似于from Weka的内容。
是否有方法通过RWeka验证R模型以生成这些度量？
如果不是，随机森林上的交叉验证是如何在R中完成的？
这里是否可以使用rfcv包中的randomForest？我没能让它开始工作。
我确实知道，在randomForest中使用的OOB是某种交叉验证。但我需要一个合适的比较的全部信息。
到目前为止，我尝试使用R的是b。但是，由于缺少值，代码也会在我的安装程序c上产生一
浏览 0提问于2014-06-23得票数 3
回答已采纳
1回答
如果我当前在Java代码中使用Weka决策树(或其他)分类器，如下所示：
// Get training and testing data.
Instances train = new Instances ("from training file");
train.setClassIndex(train.numAttributes() - 1);
Instances test = new Instances ("from testing file");
test.setClassIndex(test.numAttributes() - 1);
浏览 0提问于2013-04-04得票数 1
1回答
当使用带有以下属性的java "setOptions“函数时，我得到一个错误："Quote parse error."...
“\"weka.classifiers.meta.generators.GaussianGenerator \"weka.classifiers.meta.generators.NominalGenerator weka.classifiers.meta.OneClassClassifier 1 -M 0.0 -SD 1.0\”-nom \“weka.classifiers.meta.generators.NominalGener
浏览 3提问于2016-08-10得票数 1
我正在尝试编写一个java程序，它在Weka中调用CfsSubsetEval类来执行特性子集选择。CfsSubsetEval对数据集进行离散化，我试图避免这种情况，因为数据集已经被离散化了。下面是执行离散化的CfsSubsetEval.java中的行。
m_isNumeric = m_trainInstances.attribute(m_classIndex).isNumeric();
if (!m_isNumeric)
{
m_disTransform = new Discretize();
m_disTransform.setUseBetterEncoding(true)
浏览 3提问于2014-11-02得票数 0
回答已采纳
首先，让我说，我是一个维卡新手。
我使用WEKA来解决二进制分类问题，其中使用某些度量来获得实例的“是”/“否”答案。
为了举例说明这个问题，我使用BayesNet获得了一个包含288个实例的集合的混淆矩阵，其中包含190个'yes‘和98个'no’值：
a b <-- classified as
190 0 | a = yes
98 0 | b = no
这种绝对分离对于其他一些分类器也是如此，但并不是所有的分类器都是如此。这就是说，即使量词的值没有到这种程度的两极分化，他们也确实对占主导地位的阶级有一定的偏见。例如，RandomFores
浏览 2提问于2013-03-18得票数 2
1回答
我有一个shell脚本，它使用从另一个Java程序返回的参数执行Java程序。
java -cp $wekaPath $(java GetFilter $WandFDir) -i $(pwd)/temp/training"$i"_$arffName.arff -o $(pwd)/temp/training_"$i"_$arffName.arff
回显时，它会生成以下字符串：
java -cp /home/robobenny/Documents/WEKA/weka-3-7-4/weka.jar weka.filters.supervised.attribute.A
浏览 1提问于2013-04-11得票数 0
我想这样修改Weka的J48算法：
我想更改J48算法，以类似于RandomForest算法(负责在节点中找到最佳拆分的代码)来划分数据。
我要做什么？我知道我必须将C45ModelSelection代码的一部分改为RandomForest中的代码：
C45ModelSelection.java
...
// Find "best" attribute to split on.
minResult = 0;
for (i=0;i<data.numAttributes();i++){
if ((i != (data).classIndex()) &
浏览 2提问于2014-11-25得票数 1
1回答
来自存储库
我试着执行命令。
./PersonalityRecognizer -i ../output_dir -d -t 2 -a ../mairesse_Apache.arff
但是我收到了这个错误。
C:/weka/weka-3-4/weka.jar: line 1: $'PK\003\004': command not found
C:/weka/weka-3-4/weka.jar: line 2: syntax error near unexpected token `('
C:/weka/weka-3-4/weka.jar: line 2: `▒=1 MET
浏览 1提问于2019-10-03得票数 0
回答已采纳
如何在Weka中加载没有头的CSV文件？
有几个相关的问题，但似乎没有触及重点。
MWE
下面是test.csv文件：
20,1,"+"
30,2,"+"
30,1,"+"
15,1,"-"
10,0,"-"
以下是Test.java代码：
// javac -Xlint -cp weka.jar Test.java && java -cp .:weka.jar Test
import weka.core.converters.CSVLoader;
import weka.core.Instanc
浏览 2提问于2015-12-19得票数 3
回答已采纳
0回答
我正在尝试复制我的训练数据集的第一个属性，并从Test set复制相应的属性以便记账。我的代码编译成功。但是我不能运行它。
当运行java WekaRF时，我得到以下错误
Exception in thread "main" java.lang.NoClassDefFoundError: weka/core/converters/CSVLoader
at WekaRF.main(WekaRF.java:17)
Caused by: java.lang.ClassNotFoundException: weka.core.converters.CSVLoader
a
浏览 2提问于2017-12-05得票数 0
回答已采纳
1回答
使用weka的命令行创建阈值文件
、、、、
我需要从经过训练的分类器中自动获得阈值曲线，所以我正在研究如何使用命令行(目前使用的是Weka的SimpleCLI)。在java weka.classifiers.functions.Logistic -h输出之后，我尝试使用-threshold-file参数，描述为：
-threshold-file <file>
The file to save the threshold data to.
The format is determined by the extensions, e.g., '.arff' for ARFF
format
浏览 1提问于2014-06-05得票数 0
回答已采纳
我正在尝试做的是使用经过训练的WEKA模型对图像进行分类。我知道ImageJ/斐济的高级Weka分割插件的存在，但我使用的是一个自定义的特征向量，它不能与它一起工作。
无论如何，在我尝试执行的ImageJ宏中：
exec("java", "-cp", "/home/dionysis/weka-3-7-7/weka.jar", "weka.classifiers.trees.RandomForest", "-T", "/home/dionysis/Desktop/CNH/cnh-data/2class-de
浏览 0提问于2013-02-05得票数 0
回答已采纳
17回答
我尝试在java中为weka增加堆大小，而weka总是崩溃。我使用了下面这行建议：
> java -Xmx500m -classpath
但我得到以下错误：
-classpath requires class path specification
我不确定这是什么意思。有什么建议吗？
浏览 2提问于2011-12-29得票数 21
回答已采纳
1回答
通过weka机器学习传递双引号
、、、、
我使用的是Weka的CLI，即Primer和我尝试了许多不同的组合，传递了几个参数，但都没有成功。当我像这样传递某些东西时：
weka_options=("weka.classifiers.functions.SMOreg -C 1.0 -N 0")
该程序运行时没有任何问题，但传递了如下内容：
weka_options=("weka.classifiers.functions.SMOreg -C 1.0 -N 0 -I \"weka.classifiers.functions.supportVector.RegSMOImproved -L 1.0e-3 -W
浏览 1提问于2015-09-25得票数 2
我正在尝试运行以下weka AdaBoostM1分类器来提升配置为进行如下修剪的J48树：
java -classpath ./bin/weka.jar weka.classifiers.meta.AdaBoostM1 -P 100 -S 1 -I 10 -W weka.classifiers.trees.J48 -C 0.25 -M 2\ -t ./-classpath/inputfile.arff>./-I/output.txt&
配置字符串是直接从weka gui复制的，实际上在那里运行没有任何问题。但是，如果我尝试在命令行上运行相同配置字符串，weka会抛出以下错误：
W
浏览 5提问于2015-09-20得票数 1
2回答
我试图使用weka的java API创建一个“自动训练”，但我猜我做错了什么，每当我通过weka的接口使用MultiLayerPerceptron测试我的ARFF文件时，使用10交叉验证或66%分割，我得到了一些令人满意的结果(大约90%)，但是当我尝试通过weka的api测试相同的文件时，每个测试基本上都返回0%匹配(每一行都返回false)
以下是weka的gui的输出：
===对测试拆分=== ===汇总===的评估
Correctly Classified Instances 78 91.7647 %
Incorrectly Classif
浏览 0提问于2012-06-12得票数 1
回答已采纳
1回答
我可以用这样的命令行来训练一个模型--
java -Xmx512m -cp $CLASSPATH weka.classifiers.meta.Bagging -P 100 -S 1 -num-slots 1 -I 10 \
-split-percentage 66 \
-t $traindata \
-d $model \
-W weka.classifiers.trees.REPTree -- -M 2 -V 0.001 -N 3 -S 1 -L -1 -I 0.0 \
> $out
但是，我不能重用相同的模型来从命令行进行预测。我想这个命令应该
浏览 4提问于2013-03-29得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
