Weka开发［3］－Evaluation类

     上一次最后的结果就是一个分类的值，可能让大家大失所望，这一次会给大家一个比较完美的答案，这就是Evaluation类，这次只讲一下最简单的用法，首先初始化一个Evaluation对象，Evaluation类没有无参的构造函数，一般用Instances对象作为构造函数的参数。

       如果没有分开训练集和测试集，可以使用Cross Validation方法，Evaluation中crossValidateModel方法的四个参数分别为，第一个是分类器，第二个是在某个数据集上评价的数据集，第三个参数是交叉检验的次数（10是比较常见的），第四个是一个随机数对象。

       如果有训练集和测试集，可以使用Evaluation 类中的evaluateModel方法，方法中的参数为：第一个为一个训练过的分类器，第二个参数是在某个数据集上评价的数据集。例中我为了简单用训练集再次做为测试集，希望大家不会糊涂。

       提醒大家一下，使用crossValidateModel时，分类器不需要先训练，这其实也应该是常识了。

       Evaluation中提供了多种输出方法，大家如果用过weka软件，会发现方法输出结果与软件中某个显示结果的是对应的。例中的三个方法toClassDetailsString，toSummaryString，toMatrixString比较常用。

package com.cizito.weka.study;

import java.util.Random;

import weka.classifiers.Evaluation;
import weka.classifiers.lazy.IB1;
import weka.classifiers.trees.J48;
import weka.core.Instances;
import weka.core.converters.ConverterUtils.DataSource;

/**
 * @author zhangwei
 *
 */
public class EvaluationTest {
	
	private Instances m_instances = null;

	/**
	 * @param args
	 */
	public static void main(String[] args) throws Exception{
		EvaluationTest etest = new EvaluationTest();
	       
        etest.getFileInstances( "D:/ProgramFiles/Weka-3-6/data/contact-lenses.arff");
        //etest.crossValidation();
        //System.out.println( "***********************************\n\n" );
        etest.evaluateTestData();
	}
	
	
	   
    public void getFileInstances( String fileName ) throws Exception
    {
        DataSource frData = new DataSource( fileName );
        m_instances = frData.getDataSet();
        m_instances.setClassIndex( m_instances.numAttributes() - 1 );
    }
   
    public void crossValidation() throws Exception
    {
        J48 classifier = new J48();
        //NaiveBayes classifier = new NaiveBayes();
        //SMO classifier = new SMO();
       
        Evaluation eval = new Evaluation( m_instances );
        eval.crossValidateModel( classifier, m_instances, 10, new Random(1));
        System.out.println(eval.toClassDetailsString());
        System.out.println(eval.toSummaryString());
        System.out.println(eval.toMatrixString());
    }
   
    public void evaluateTestData() throws Exception {
        //J48 classifier = new J48();
        IB1 classifier = new IB1();
        //NaiveBayes classifier = new NaiveBayes();
        //SMO classifier = new SMO();
       
        classifier.buildClassifier( m_instances );
       
        Evaluation eval = new Evaluation( m_instances );
        eval.evaluateModel( classifier, m_instances );
        System.out.println(eval.toClassDetailsString());
        System.out.println(eval.toSummaryString());
        System.out.println(eval.toMatrixString());
    }
  

}