我对Weka的使用还比较新手，尤其是对命令行下的Weka使用更是如此。我发现文档资料很少，我在尝试弄清楚一些操作时遇到了困难。例如，我想使用两个.arff文件，一个用于训练，一个用于测试，并获取测试数据中缺失标签的预测输出。

我该怎么做呢？

我有以下代码作为起点

java -classpath weka.jar weka.classifiers.meta.FilteredClassifier-t "training_file_with_missing_values.arff"-T "test_file_with_missing_values.arff"-F weka.filters.unsupervised.attribute.ReplaceMissingValues -- -c last-W weka.classifiers.functions.MultilayerPerceptron -- -L 0.3 -M 0.2 -H a

运行这段代码时，我得到了“非法选项 -c last”的错误提示，我不确定这是为什么。我也不打算使用MLP，因为当我有几千个来自文本数据的特征时，神经网络往往会太慢。不过我知道如何将其更改为其他分类器（如NB或libSVM，这很好）。

但我不确定如何在一个调用中添加多个过滤器，因为我还需要添加StringToWordVector过滤器（可能还需要添加Reorder过滤器，将类别调整到最后，而不是第一个属性）。

然后，我该如何实际输出每个类的预测标签？然后如何将这些标签存储在一个包含初始数据的arff文件中？

回答：

Weka的文档并不是特别出色，但你仍然可以在他们的网站上找到有价值的信息。你应该从入门指南开始。我理解你想对文本文件进行分类，所以你也应该看看使用Weka进行文本分类。还有一个新的Weka文档网站。

[编辑：Wikispaces已经关闭，Weka还没有在其他地方重新建立这些网站，所以我已经修改了链接，指向Google缓存。如果有人看到这个，并且新的Weka Wiki已经上线，请随意编辑链接并删除此说明。]

你在问题中发布的命令行包含了一个错误。我知道，你是从我对另一个问题的回答中复制过来的，但我刚刚也注意到了。你必须省略-- -c last，因为ReplaceMissingValue过滤器不喜欢它。

在入门指南中提到：

weka.filters.supervised

类层次结构中weka.filters.supervised下的类用于监督过滤，即利用类信息。必须通过-c指定一个类，对于Weka的默认行为使用-c last。

但ReplaceMissingValue是一个无监督过滤器，StringToWordVector也是如此。

多个过滤器

添加多个过滤器也没有问题，这就是MultiFilter的用途所在。不过，命令行可能会变得有点混乱：（我在这里选择了RandomForest，因为它比神经网络快得多）。

java -classpath weka.jar weka.classifiers.meta.FilteredClassifier \  -t ~/weka-3-7-9/data/ReutersCorn-train.arff \  -T ~/weka-3-7-9/data/ReutersCorn-test.arff \ -F "weka.filters.MultiFilter \     -F weka.filters.unsupervised.attribute.StringToWordVector \     -F weka.filters.unsupervised.attribute.Standardize" \ -W weka.classifiers.trees.RandomForest -- -I 100 \

进行预测

关于获取预测，入门指南中是这样说的：

然而，如果需要关于分类器预测的更详细信息，-p # 会输出每个测试实例的预测，以及一系列基于1的属性ID（0表示无）。

将这些通用选项如-p 0直接放在你调用的类之后是一个好习惯，所以命令行应该是

java -classpath weka.jar weka.classifiers.meta.FilteredClassifier \  -t ~/weka-3-7-9/data/ReutersCorn-train.arff \  -T ~/weka-3-7-9/data/ReutersCorn-test.arff \  -p 0 \ -F "weka.filters.MultiFilter \     -F weka.filters.unsupervised.attribute.StringToWordVector \     -F weka.filters.unsupervised.attribute.Standardize" \ -W weka.classifiers.trees.RandomForest -- -I 100 \

Weka分类器/过滤器的结构

但正如你所见，从命令行调用Weka时可能会变得非常复杂。这是由于Weka分类器和过滤器的树状结构。虽然你每次只能运行一个分类器/过滤器，但可以根据需要构建复杂的结构。对于上面的命令，其结构如下所示：

FilteredClassifier将在训练数据集上初始化一个过滤器，过滤训练和测试数据，然后在训练数据上训练模型并对给定的测试数据进行分类。

FilteredClassifier | + Filter | + Classifier

如果我们想要多个过滤器，我们使用MultiFilter，它只是一个过滤器，但它会按给定的顺序调用多个其他过滤器。

FilteredClassifier | + MultiFilter |  | |  + StringToWordVector |  | |  + Standardize | + RandomForest

从命令行运行这样的操作的难点在于将所需的选项分配给正确的类，因为选项名称通常是相同的。例如，-F选项用于FilteredClassifier和MultiFilter，所以我必须使用引号来明确哪个-F属于哪个过滤器。

在最后一行，你会看到属于RandomForest的选项-I 100不能直接附加，因为这样它会被分配给FilteredClassifier，你会得到非法选项：-I 100的错误。因此，你必须在它之前添加--。

将预测添加到数据文件中

添加预测的类别标签也是可能的，但更加复杂。据我所知，这不能一步完成，你必须先训练并保存一个模型，然后使用这个模型进行预测并分配新的类别标签。

训练并保存模型：

java -classpath weka.jar weka.classifiers.meta.FilteredClassifier \  -t ~/weka-3-7-9/data/ReutersCorn-train.arff \  -d rf.model \  -F "weka.filters.MultiFilter \      -F weka.filters.unsupervised.attribute.StringToWordVector \      -F weka.filters.unsupervised.attribute.Standardize" \  -W weka.classifiers.trees.RandomForest -- -I 100 \

这将把训练好的FilteredClassifier模型序列化到文件rf.model中。这里重要的是，初始化的过滤器也会被序列化，否则过滤后的测试集将不兼容。

加载模型，进行预测并保存：

java -classpath weka.jar weka.filters.supervised.attribute.AddClassification \  -serialized rf.model \  -classification \  -remove-old-class \  -i ~/weka-3-7-9/data/ReutersCorn-test.arff \  -o pred.arff \  -c last