1. WEKA-LIBRARY사용법 G
박인준

2. ARFF파일로 부터 새로운 인스턴스생성1 import weka.core.Instances;
import java.io.BufferedReader;
import java.io.FileReader; //
// 파일로 부터, 데이터를 읽기
BufferedReader reader = new BufferedReader(
new FileReader("/some/where/data.arff") );
// 인스턴스세트 생성하기
Instances data = new Instances(reader);
reader.close(); // setting class attribute
data.setClassIndex(data.numAttributes() - 1);

3. ARFF파일로 부터 새로운 인스턴스생성2 - convenient method//
// 데이터 소스를 이용해서, 데이터를 로드 함
DataSource source = new DataSource("/some/where/data.arff");
// 생성된 데이터 소스를 이용해서,
// 인스턴스를 생성함
Instances data = source.getDataSet();
if (data.classIndex() == -1)
// 인스턴스 셋의 클래스 인덱스를 설정함.
data.setClassIndex(data.numAttributes() - 1);

4. Classifier 사용 1. Building a Classifier
import weka.classifiers.trees.J48; //
// 기타 등등의 라이브러리 import
// 이클립스에 CTRL + SHIT + O 키를 이용하면, 자동 organization해줌
String[] options = new String[1];
options[0] = "-U"; // unpruned tree
//J48은 WEKA 라이브러리에서 제공 되고 있음
// j48을 생성함
J48 tree = new J48();
// 생성된 트리에, 데이터를 setting함
tree.buildClassifier(data); // build classifier

5. Evaluator 사용 1. Cross-validation // // Evaluation을 위한, 라이브러리 import
import weka.classifiers.Evaluation;
import java.util.Random;
// Evaluator 객체를 생성함
// newData argument는 instance set
Evaluation eval = new Evaluation(newData);
// cross validation을 수행함
// 마지막, Random은 seed value 임
eval.crossValidateModel(tree, newData, 10, new Random(1));

6. Training and Test 1. Cross-validation //
// Evaluation을 위한, 라이브러리 import
import weka.classifiers.Evaluation;
import java.util.Random;
// Evaluator 객체를 생성함
// newData argument는 instance set
Evaluation eval = new Evaluation(newData);
// cross validation을 수행함
// 마지막, Random은 seed value 임
eval.crossValidateModel(tree, newData, 10, new Random(1));

7. Training and Test import weka.core.Instances;
import weka.classifiers.Evaluation;
import weka.classifiers.trees.J48;
Instances train = ... // 트레이닝 데이터 셋 생성
Instances test = ... // 테스팅 데이터 셋 생성
Classifier cls = new J48();
cls.buildClassifier(train); // classifier 생성
Evaluation eval = new Evaluation(train); // Evaluator 생성
eval.evaluateModel(cls, test); // evaluate 함 //
// 결과 출력
System.out.println(
eval.toSummaryString("\nResults\n======\n", false ) );

8. Training and Test import weka.core.Instances;
import weka.classifiers.Evaluation;
import weka.classifiers.trees.J48;
Instances train = ... // 트레이닝 데이터 셋 생성
Instances test = ... // 테스팅 데이터 셋 생성
Classifier cls = new J48();
cls.buildClassifier(train); // classifier 생성
Evaluation eval = new Evaluation(train); // Evaluator 생성
eval.evaluateModel(cls, test); // evaluate 함 //
// 결과 출력
System.out.println(
eval.toSummaryString("\nResults\n======\n", false ) );

9. Statistics 출력 import weka.classifiers.trees.J48;
import weka.classifiers.Evaluation;
String[] options = new String[2]; //
// 파일로 부터 입력 파일 읽기 옵션 세팅
options[0] = "-t";
// 파일 입력
options[1] = "/some/where/somefile.arff";
// Evaluation 결과 출력
System.out.println(Evaluation.evaluateModel(new J48(), options));