在eclipse下使用java调用weka【第一步】

http://blog.csdn.net/felomeng/article/details/4688257

weka是很好用的机器学习库，这里就不详细介绍了。

言归正传，要使用程序方式使用weka，步骤如下：

一、在eclipse里新建一个java project：

1.      建立工程：单击菜单中file->new->java project，在弹出对话框的project name中起任意一个名字，此处假设是wekaTest。单击Finish按钮（在对话框底部）。

2.      建立package：在package Explorer中找到刚才新建的工程，在其上右键->New->package。在Name文本框里面输入名称，此处假设为Test。单击Finish按钮。

3.      建立程序文件：在刚才新建的package上面右键->New->class，选中public static void main(String[] args)多选框，单击Finish。

二、在该工程中添加weka的引用：

1.    package Explorer中工程名上右键，选择弹出菜单最后一项properties->在左面选中java Build Path->在右面的Library页面->单击Add External JARs…->浏览weka所在目录，将weka.jar添加进来，然后单击ok。

2.     在package Explorer中在双击Test文件，然后在package wekaTest;一句下面添加四句代码：

import java.io.File;

import weka.classifiers.Classifier;

import weka.classifiers.trees.J48;

import weka.core.Instances;

import weka.core.converters.ArffLoader;

三、在程序中添加weka调用代码：

将以下代码添加到Main函数中（在// TODO Auto-generated method stub下面）：

       Classifier m_classifier = new J48();

        File inputFile = new File("D://Program Files//Weka-3-6//data//cpu.with.vendor.arff");//训练语料文件
        ArffLoader atf = new ArffLoader();
        atf.setFile(inputFile);
        Instances instancesTrain = atf.getDataSet();//读入训练文件
        inputFile = new File("D://Program Files//Weka-3-6//data//cpu.with.vendor.arff");//训练语料文件
        atf.setFile(inputFile);
        Instances instancesTest = atf.getDataSet();//读入测试文件（尽管训练和测试数据相同，但不能省略以上两句）
        
        instancesTrain.setClassIndex(0);//设置分类属性所在行号（第一行为0号），instancesTest.numAttributes()可以取得属性总数
        instancesTest.setClassIndex(0);
        int InstanceCount = instancesTest.numInstances();//测试语料实例数
        int rightCount = 0;
        

        m_classifier.buildClassifier(instancesTrain);
        for(int i=0;i<InstanceCount;i++)//测试分类结果
        {
            if(m_classifier.classifyInstance(instancesTest.instance(i))==instancesTest.instance(i).classValue())//如果预测值和答案值相等（测试语料中的分类列提供的须为正确答案，结果才有意义）
            {
                rightCount++;//正确值加1
            }
        }
        System.out.println("J48 classification precision:"+(rightCount*1.0/InstanceCount));

四、运行一下试试。　　　

J48 classification precision:0.8373205741626795