我已经查看了WEKA的“进行预测“文档，其中包含了命令行和GUI预测的明确说明。
我想知道如何在自己的Java代码中使用Agrawal数据集（weka.datagenerators.classifiers.classification.Agrawal）获取类似于我在GUI中得到的下面的预测值：
inst#, actual, predicted, error, prediction1, 1:0, 2:1, +, 0.9412, 1:0, 1:0, , 13, 1:0, 1:0, , 14, 1:0, 1:0, , 15, 1:0, 1:0, , 16, 1:0, 1:0, , 17, 1:0, 2:1, +, 0.9418, 2:1, 2:1, , 0.9419, 2:1, 2:1, , 0.94110, 2:1, 2:1, , 0.9411, 1:0, 1:0, , 12, 1:0, 1:0, , 13, 1:0, 1:0, , 1尽管它说可以做到，但我无法复制这个结果：
Java
我访问了链接，上面说：
分类实例
如果你有一个未标记的数据集，并且想用你新训练的分类器对其进行分类，你可以使用以下代码片段。它加载文件
/some/where/unlabeled.arff，使用之前构建的分类器树对实例进行标记，并将标记后的数据保存为/some/where/labeled.arff。
这并不是我想要的情况，因为我只想对当前数据集进行建模并获取k折交叉验证的预测结果。
更新
predictions
public FastVector predictions()返回已收集的预测结果。
返回值：
指向包含已收集预测结果的
FastVector的引用。如果没有收集预测结果，则应为null。
我找到了predictions()方法，适用于类型为Evaluation的对象，并使用以下代码：
Object[] preds = evaluation.predictions().toArray();for(Object pred : preds) { System.out.println(pred);}结果是：
...NOM: 0.0 0.0 1.0 0.9466666666666667 0.05333333333333334NOM: 0.0 0.0 1.0 0.8947368421052632 0.10526315789473684NOM: 0.0 0.0 1.0 0.9934883720930232 0.0065116279069767444NOM: 0.0 0.0 1.0 0.9466666666666667 0.05333333333333334NOM: 0.0 0.0 1.0 0.9912575655682583 0.008742434431741762NOM: 0.0 0.0 1.0 0.9934883720930232 0.0065116279069767444...这与上面的结果相同吗？
回答：
经过深入的Google搜索（因为文档提供的帮助很少），我终于找到了答案。
我希望这个明确的答案能在未来帮助其他人。
-
对于一个示例代码，我看到了问题“如何在WEKA中交叉验证后打印预测类“，我很高兴能够解码出那个不完整的答案，其中一些内容很难理解。
以下是与GUI输出相似的工作代码
StringBuffer predictionSB = new StringBuffer();Range attributesToShow = null;Boolean outputDistributions = new Boolean(true);PlainText predictionOutput = new PlainText();predictionOutput.setBuffer(predictionSB);predictionOutput.setOutputDistribution(true);Evaluation evaluation = new Evaluation(data);evaluation.crossValidateModel(j48Model, data, numberOfFolds, randomNumber, predictionOutput, attributesToShow, outputDistributions);为了帮助你理解，我们需要实现将
StringBuffer转换为AbstractOutput对象，以便crossValidateModel函数能够识别它。仅使用
StringBuffer会导致java.lang.ClassCastException，类似于问题中提到的，而不使用StringBuffer的PlainText会显示java.lang.IllegalStateException。我想感谢ManChon U (Kevin)及其问题“如何将交叉评估结果与输入数据集中的相应实例匹配？“，因为它给了我一些线索：
…你只需要一个额外的参数，它是
weka.classifiers.evaluation.output.prediction.AbstractOutput的具体子类。weka.classifiers.evaluation.output.prediction.PlainText可能是你想要使用的。来源和
…尝试创建一个
PlainText对象，它扩展了AbstractOutput（例如称为output的实例），并调用output.setBuffer(forPredictionsPrinting)，然后传递它而不是缓冲区。来源这些实际上是指创建一个
PlainText对象，将StringBuffer放入其中，并使用setOutput(boolean)等方法来调整输出。最后，要获取我们想要的预测结果，只需使用：
System.out.println(predictionOutput.getBuffer());其中
predictionOutput是来自AbstractOutput家族（PlainText、CSV、XML等）的对象。 -
此外，
evaluation.predictions()的结果与WEKA GUI中提供的结果不同。幸运的是，Mark Hall在问题“交叉验证后打印预测类“中解释了这一点Evaluation.predictions()返回一个包含weka.classifiers.evaluation包中的NominalPrediction或NumericPrediction对象的FastVector。使用额外的AbstractOutput对象调用Evaluation.crossValidateModel()会导致评估对象将Nominal/NumericPrediction对象中的预测/分布信息打印到StringBuffer中，你在Explorer或命令行中看到的格式就是这样的。
参考资料：
