概述
我正在使用WEKA API 3.7.10（开发者版本）来使用我预先制作的.model文件。
我制作了25个模型：五种算法的五个结果变量。
- J48决策树。
- 交替决策树
- 随机森林
- LogitBoost
- 随机子空间
我在使用J48、随机子空间和随机森林时遇到了问题。
必要文件
以下是我创建数据后的ARFF表示：
@relation WekaData@attribute ageDiagNum numeric@attribute raceGroup {Black,Other,Unknown,White}@attribute stage3 {0,I,IIA,IIB,IIIA,IIIB,IIIC,IIINOS,IV,'UNK Stage'}@attribute m3 {M0,M1,MX}@attribute reasonNoCancerSurg {'Not performed, patient died prior to recommended surgery','Not recommended','Not recommended, contraindicated due to other conditions','Recommended but not performed, patient refused','Recommended but not performed, unknown reason','Recommended, unknown if performed','Surgery performed','Unknown; death certificate or autopsy only case'}@attribute ext2 {00,05,10,11,13,14,15,16,17,18,20,21,23,24,25,26,27,28,30,31,33,34,35,36,37,38,40,50,60,70,80,85,99}@attribute time2 {}@attribute time4 {}@attribute time6 {}@attribute time8 {}@attribute time10 {}@data65,White,IIA,MX,'Not recommended, contraindicated due to other conditions',14,?,?,?,?,?我需要从各自的模型中获取二进制属性time2到time10。
以下是我用来从所有模型文件中获取预测的代码片段：
private static Map<String, Object> predict(Instances instances, Classifier classifier, int attributeIndex) { Map<String, Object> map = new LinkedHashMap<String, Object>(); int instanceIndex = 0; // do not change, equal to row 1 double[] percentage = { 0 }; double outcomeValue = 0; AbstractOutput abstractOutput = null; if(classifier.getClass() == RandomForest.class || classifier.getClass() == RandomSubSpace.class) { // has problems predicting time2 to time10 instances.setClassIndex(5); } else { // works as intended in LogitBoost and ADTree instances.setClassIndex(attributeIndex); } try { outcomeValue = classifier.classifyInstance(instances.instance(0)); percentage = classifier.distributionForInstance(instances .instance(instanceIndex)); } catch (Exception e) { e.printStackTrace(); } map.put("Class", outcomeValue); if (percentage.length > 0) { double percentageRaw = 0; if (outcomeValue == new Double(1)) { percentageRaw = percentage[1]; } else { percentageRaw = 1 - percentage[0]; } map.put("Percentage", percentageRaw); } else { // because J48 returns an error if percentage[i] because it's empty map.put("Percentage", new Double(0)); } return map;}以下是我用来预测time2结果的模型，因此我们将使用索引6：
instances.setClassIndex(5); ADTree模型用于time2预测J48模型用于time2预测RandomForest模型用于time2预测LogitBoost模型用于time2预测RandomSubSpace模型用于time2预测
问题
-
如我之前所说，与其他三个相比，
LogitBoost和ADTree在这个直接方法中没有问题，因为我遵循了“在Java代码中使用WEKA“教程。 -
[已解决]根据我的调整，
RandomForest和RandomSubSpace在被要求预测time2到time10时会返回ArrayOutOfBoundsException。java.lang.ArrayIndexOutOfBoundsException: 0 at weka.classifiers.meta.Bagging.distributionForInstance(Bagging.java:586) at weka.classifiers.trees.RandomForest.distributionForInstance(RandomForest.java:602) at weka.classifiers.AbstractClassifier.classifyInstance(AbstractClassifier.java:70)堆栈跟踪指向根错误的行：
outcomeValue = classifier.classifyInstance(instances.instance(0));解决方案：我在创建
ARFF文件时，对于二进制变量time2到time10的FastVector<String>()值分配到FastVector<Attribute>()对象时犯了一些复制粘贴错误。现在我的十个RandomForest和RandomSubSpace模型都正常工作了！
我希望有人能帮我解决这个问题。我真的不知道这段代码有什么问题，因为我已经查看了Javadoc和在线示例，但持续的预测问题依然存在。
（我目前正在检查WEKA GUI的主程序，但请在这里帮助我 🙂 ）
回答：
我目前只看了随机森林的问题。这是由于Bagging类从数据实例本身而不是从模型中提取不同类别的数量。你在文本中说time2到time10是二进制的，但你在ARFF文件中没有说明，所以Bagging类不知道有多少类别。
所以你只需要在你的ARFF文件中指定time2是二进制的，例如：@attribute time2 {0,1}
这样你就不会再得到任何异常了。
我还没有看J48的问题，因为它可能是ARFF定义相同的问题。
测试代码：
public static void main(String [] argv) { try { Classifier cls = (Classifier) weka.core.SerializationHelper.read("bosom.100k.2.j48.MODEL"); J48 c = (J48)cls; DataSource source = new DataSource("data.arff"); Instances data = source.getDataSet(); data.setClassIndex(6); try { double outcomeValue = c.classifyInstance(data.instance(0)); System.out.println("outcome "+outcomeValue); double[] p = c.distributionForInstance(data.instance(0)); System.out.println(Arrays.toString(p)); } catch (Exception e) { e.printStackTrace(); } } catch (Exception e) { e.printStackTrace(); }