Weka和Mulan的介绍和理解

http://blog.csdn.net/u011274209/article/details/51996753

Weka：

       Weka的分类器，都放在以weka.classifiers为开头的包里。并根据其功能进行分门别类，具体见其方法。Weka里的核心类，放在了weka.core为开头的包里。

       对于Weka的数据，存在了Instances里。然后每一条数据，则是接口Instrance的实例（有s和没有s的区分，很好理解）。该接口有一些不一样的实现，可以根据实际情况使用。通常使用arff文件，按照一定的格式进行使用，官网都有例子，这里不赘述。使用enumerateAttributes()对数据集的特征进行迭代，也可以使用enumerateInstances()对数据集的每一条数据集进行迭代。函数remove可以删掉某一个特征，函数renameAttribute对特征重新命名。

       对于每一条数据Instance，都有其特征，用类Attribute表示（特别的，对于该数据的Instances，特征也是一样的）。实例里的特征集合，用ArrayList<Attribute>进行表示，这样就拥有顺序，也就是有个自己的序号。对于数据特征的获取，可以通过其名字，也可以通过其序号进行选取。（从另一个侧面说，在Weka里，特征名是唯一的）。取出特征，我们也可以得到该特征的数据集合。特征有numeric，nominal，string，date，relational，5种类型。一般用得最多的是第一种numeric，也就是数值；对于文本处理，用的是string类型。

       Weka里提供了一个强大的工具，叫做filter。我们可以利用这个工具，对数据集进行筛选和处理。分别是有监督和无监督两类，筛选方法包括对特征进行筛选或者对实例进行筛选，总共4种，根据自己所需进行使用。使用方法一般如下：

xxxFilter filter = new xxxFilter();filter.setA(some);filter.setB(some2);Instances newData = Filter.useFilter(oldData,filter);

        这样数据就按照我们要的进行整理了。Weka和sklearn一样，都提供了一些诸如切割训练集和测试集的方法。

Mulan：

       Mulan是依托着Weka所做的一个多标签分类的类库。和Weka一样，其做法是，把标签也看成是一个特征，其类别是Weka里面的nominal类型，也就是一个字符串的集合（如：@ATTRIBUTE class   {Iris-setosa,Iris-versicolor,Iris-virginica}）。但是有所区别的是，Weka的标签可以是好多类别，类别的也可以不同命名。而Mulan的标签只能是0和1（如：@attribute label {0, 1}）。输入格式有两种arff和xml，具体也是见官网。

        Mulan的核心类，主要是放在了mulan.data里。和Weka一样，数据集使用类Instances表示，在Mulan里，叫做MultiLabelInstances。getDataSet()获取数据里除了标签以外的其他数据（也就是特征所对应的数据），返回一个Weka的Instances实例。getFeatureAttributes() 获取其数据的标签集合。

        相比于Weka，Mulan多了一个叫做label的东西，在接口LabelsMetaData里声明了，Mulan把标签和特征区分对待（尽管二者也是不能重名）。

         Mulan是一个多标签的分类库，也就是分类，其算法，主要是集中在mulan.classifier.*这里。在mulan.classifier这个包里，有几个东西值得看一看。MultiLabelOutput类，是训练后的学习器，对每一条实例进行分类，然后得到的结果，包括了几个点：标签的二分（也就是打不打该标签），标签的评分，标签的排序。获取到这些，我们就可以自己构建一个结果。类MultiLabelLearnerBase是接口MultiLabelLearner的实现。使用方法，很简单

xxxClassifier learner = new xxxClassifier();learner.build(mlTrain);for (int instanceIndex = 0; instanceIndex < numInstances; instanceIndex++) {Instance instance = testData.instance(instanceIndex);Instance labelsMissing = (Instance) instance.copy();labelsMissing.setDataset(instance.dataset());for (int i = 0; i < mlTest.getNumLabels(); i++) {labelsMissing.setMissing(mlTest.getLabelIndices()[i]);}MultiLabelOutput output = learner.makePrediction(labelsMissing);}

           利用学习器的方法，makePrediction，可以对每一条数据进行多标签分类，从而达到我们要的效果。