数据挖掘（一）

import java.io.File;

import weka.classifiers.Classifier;

import weka.classifiers.Evaluation;

import weka.core.Instance;

import weka.core.Instances;

import weka.core.converters.ArffLoader;



public class Test

{

    public void main（String[] agrs）

   {

        try

        {

          /*

           * 读入训练序列、测试样本

             * 这里将训练序列和测试样本作为同一个样本

             */

           File file = new file("D://Program Files//Weka-3-6//data//contatct-lenses.arff");

           ArffLoader loader = new ArffLoader();

           loader.setFile(file);

           Instances ins = loader.getDateSet();                  

             

           //使用样本之前，一定要首先设置instances的classIndex，否则在使用时会抛出异常

             ins.setClassIndex(ins.numAttributes()-1);



           /*

            *初始化分类器

              *具体使用哪一种特定的分类器可以进行选择，将特定分类器的名称放到forName函数

              *这样就构建了一个简单的分类器

              */



            Classifier cfs = (Classifier)Class.foreName("weka.classifiers.bayes.NavieBayes").newInstance();

              

            /*

             *使用训练样本训练分类器

               */


            cfs.buildClassifier(ins);



            /*

             *使用测试样本测试分类器的学习效果
             *这里使用的训练样本和测试样本是同一个，实际中需要读入一个特定的测试样本

               */



            Instance testIns;



            /*

             * Evaluation: Class for evaluating machine learning models

             * 即它是用于检测分类模型的类

               */

            Evaluation testingEvaluation = new Evaluation(ins);

            int length = ins.numInstances();
            for (int i =0; i < length; i++) 

            {
               testInst = ins.instance(i);

          

               //通过这个方法来用每个测试样本测试分类器的效果

                 testingEvaluation.evaluateModelOnceAndRecordPrediction(cfs, testInst);

             }

          

               /*

                * 打印分类结果

                  * 在这里我们打印了分类器的正确率

                  * 其它的一些信息我们可以通过Evaluation对象的其它方法得到

                  */

               System.out.println( "分类器的正确率：" + (1- testingEvaluation.errorRate()));

        }catch(Exception e)

        {

            e.printStackTrace();

        }

    }

}

链接：http://blog.csdn.net/anqiang1984/article/details/4040571

数据挖掘的一般过程

1.读入训练、测试样本

2.初始化分类器

3.使用训练样本训练分类器

4.使用测试样本测试分类器的学习效果

5.打印分类结果