implementieren InputMappedClassifier weka zu Java

Question

Ich habe versucht, InputMappedClassifier von Weka zu Java-Code hinzuzufügen. Weil da meine Daten Train und Test nicht kompatibel sind. Kann jemand mir einen Rat geben, wie man das hinzufügt, bevor ich den Modelfor anderen Klassifizierer verwenden kann?

Es meinen Code

InputMappedClassifier mapped = new InputMappedClassifier(); 
     mapped.buildClassifier(Training); 
     Instances mappedClassifierDataset = mapped.getModelHeader(Training); 
     for (int i = 0; i < Training.numInstances(); i++) { 
      Instance map = mapped.constructMappedInstance(Training.instance(i)); 
      mappedClassifierDataset.add(map); 
     } 
     System.out.println(mappedClassifierDataset); 

     Classifier classifier = new NaiveBayes(); 
     classifier.buildClassifier(Training); 
     Evaluation eval = new Evaluation(Testing); 
     eval.evaluateModel(classifier, Testing); 
     evalResut = eval.toSummaryString("\nResults\n======\n", false); 

Answer 1

Ich nehme an, dass Sie die InputMappedClassifier nur, weil die Bahn und Testdatensätzen unvereinbar sind verwenden möchten. Aber Wie viel inkompatible sind diese Datensätze? Der folgende Code funktioniert, wenn Ihre Test datest Merkmale eine Obermenge der Trainingsdatenmenge Funktionen (alle Funktionen in Zug gibt es auch in Test sowie weitere Funktionen) sind

InputMappedClassifier mappedCls = new InputMappedClassifier(); 
    cls.buildClassifier(data); 
    mappedCls.setModelHeader(data); 
    mappedCls.setClassifier(cls); 
    mappedCls.setSuppressMappingReport(true); 
    Evaluation eval = new Evaluation(testdata); 
    eval.evaluateModel(mappedCls, testdata); 

Wenn der Zug-Datensatz Funktionen enthält, die nicht vorhanden sind Im Testdatensatz müssen Sie auch das Gegenteil anwenden, bevor Sie das Modell auswerten.

Ich hoffe, es hilft.