一步一步构建自己的BayesNet代码-基于Weka

首先要把握清楚BayesNet大体上是怎么用：有一个主特征：Class，目的就是判断这个Class的值，BayesNet从训练数据中学习出一个模型，用这个模型做预测，预测测试数据中的Class的值，每个实例是一行，Class T1 T2......Tn T是指特征也就是属性。所以我们的目标任务功能就是自己写代码，完成上述这个过程。好了现在开始。

（套用Weka中的解释：

WEKA把分类(Classification)和回归(Regression)都放在“Classify”选项卡中，这是有原因的。 在这两个任务中，都有一个目标属性（输出变量）。我们希望根据一个样本(WEKA中称作实例)的一组特征（输入变量），对目标进行预测。 ）

 

 

 

 

然后具体分这么几步：

第一步：看基础入门教程，了解Weka是什么，我们能用什么

第二步：看贝叶斯网络，这里有两个，一个是官方的pdf文档http://weka.sourceforge.net/manuals/weka.bn.pdf

另外可以参看这个链接：

http://quweiprotoss.blog.163.com/blog/static/4088288320104273109869/  

这个步骤是为了让你知道weka中的贝叶斯原理

第三步：weka安装目录下有个mannul手册，教你怎么embed Weka Api到自己的应用，这一步就是直接开始写代码了，期间可以参考http://www.wekacn.org/viewforum.php?f=6中文论坛，以及weka安装目录下的java doc 还可以网上搜现成的例子，这一步我觉得应该以那个手册，mannul和java doc为主。

 

主要有用的参考资料 ： 第三步中的mannul和java doc

 

 

 

 

第一步：看这篇入门《WEKA入门教程》  网上一搜就有，提供其中一个链接： http://blogold.chinaunix.net/u2/62093/showart_485477.html

 

简易总结：这个文档只能是给你一个概念，让你知道有哪些东西能用。具体怎么用后面再说

（1）数据格式很简单，不多讲，注意用引号控制有空格的情况，不然会被当成两个字符串，其他问题查看文档就行

（2） 数值型的属性进行离散化：这个蛮重要的， weka.filters.unsupervised.attribute.Discretize 这个是要用到的类，用的时候有设置参数什么的，还要调用Filter.useFilter.......主要是因为BayesNet的训练集必须是离散化的数据，所以一个方法是在前段产生数据的时候就用java离散化了，这个逻辑在生成数据之前就搞定，那么就不用调用这个filter了，第二个办法就是省去前面java的处理逻辑，允许生成连续的数据，然后调用Weka提供的Discretize搞定，看情况使用。

（3）这里就涉及到数据挖掘的算法了，这里我就只概括一下分类（其他的关联规则什么的请自行查看），先截一段很好的背景：

背景知识
WEKA把分类(Classification)和回归(Regression)都放在“Classify”选项卡中，这是有原因的。
在 这两个任务中，都有一个目标属性（输出变量）。我们希望根据一个样本(WEKA中称作实例)的一组特征（输入变量），对目标进行预测。为了实现这一目的， 我们需要有一个训练数据集，这个数据集中每个实例的输入和输出都是已知的。观察训练集中的实例，可以建立起预测的模型。有了这个模型，我们就可以新的输出 未知的实例进行预测了。衡量模型的好坏就在于预测的准确程度。
在WEKA中，待预测的目标（输出）被称作Class属性，这应该是来自分类任务的“类”。一般的，若Class属性是分类型时我们的任务才叫分类，Class属性是数值型时我们的任务叫回归。

然后我们这里要用到的分类： 当准确度只有69%左右不高的时候，也许我们需要对原属性进行处理，或者修改算法的参数来提高准确度。

这里需要弄清楚一个问题“算法到底是怎么判断怎么预测的，预测的标准是什么比如，贝叶斯，那么是看概率，那么这个概率大于多少才预测 那个class是yes or no呢”?

 

第二步：

http://weka.sourceforge.net/manuals/weka.bn.pdf+那个参考文档

简易总结：Bays = Bs(DAG)+Bp(CPT)  weka 中的Beiyes有两个要求，一个是离散化的数据，另一个是数据的值不能是null  整个学习的过程是先构建DAG在学习出CPT

 

第三步：to be continued~