我们正在尝试在Java程序中实现一个WEKA分类器。到目前为止，一切运行良好，但在使用Weka GUI从训练集构建分类器时，我们使用了StringToWordVector的IDF变换来提高分类准确性。

那么，在Java中，对于新实例，我如何计算每个标记值的IDF变换，并在将实例传递给分类器之前设置该值呢？

基本代码如下所示：

Instances ins = vectorize(msg);Instances unlabeled = new Instances(train,1);Instance inst = new Instance(unlabeled.numAttributes());String tmp = "";for(int i=0; i < ins.numAttributes(); i++) {    tmp = ins.attribute(i).name();    if(unlabeled.attribute(tmp)!=null)      inst.setValue(unlabeled.attribute(tmp), 1.0); //TODO: 需要找出IDF变换后的值来替换这里的1！！}unlabeled.add(inst);unlabeled.setClassIndex(classIdx);.....cl.distributionForInstance(unlabeled.instance(i));

那么，我该如何编写代码，以便在我想分类的新实例中放入正确的值呢？

需要明确的是，代码行 inst.setValue(unlabeled.attribute(tmp), 1.0); 需要从 1.0 更改为IDF变换后的数字…

回答：

为此，您需要使用FilteredClassifier。代码片段如下：

    StringToWordVector  strWVector = new StringToWordVector();       filteredClassifier fcls = new FilteredClassifier();    fcls.setFilter(strWVector);    fcls.setClassifier(new SMO());    fcls.buildClassifier(yourdata)     //您的其余代码 

这样做要容易得多，因为您可以一次性传递所有实例。FilteredClassifier会处理所有其他细节。代码尚未测试，但可以帮助您开始。

编辑：您也可以按照以下方式进行。这是来自weka教程的代码片段，详见 http://weka.wikispaces.com/Use+WEKA+in+your+Java+code#Filter-Filtering%20on-the-fly Batch Mode

Instances train = ...   // 从某处获取 Instances test = ...    // 从某处获取 Standardize filter = new Standardize(); filter.setInputFormat(train);  // 使用训练集初始化过滤器 Instances newTrain = Filter.useFilter(train, filter);  // 根据训练实例配置过滤器并返回过滤后的实例 Instances newTest = Filter.useFilter(test, filter);    // 创建新的测试集

希望对您有帮助