java - 更改将 double 写入 CSV 的 Java 代码以将 double[] 写入 CSV(用例 = WEKA 库)

Question

我使用 WEKA 库编写了一个 Java 程序，

1. 训练分类算法
2. 使用经过训练的算法对未标记的数据集运行预测
3. 将结果写入 .csv 文件

问题在于它当前写出离散分类结果(即算法猜测一行属于哪个类别)。我想要的是写出给定类别的概率(例如，如果我将行分类为“垃圾邮件”或“非垃圾邮件”，那么我希望结果是垃圾邮件的概率)。

我的理解是，要做到这一点，我需要在代码中使用 distributionForInstance 而不是 classifyInstance 。来自 WEKA :

If you're interested in the distribution over all the classes, use the method distributionForInstance(Instance). This method returns a double array with the probability for each class.

我遇到的问题是，使用 classifyInstance 时，我正在处理 double 数据类型，而使用 distributionForInstance 时，我正在处理处理 double[] 数据类型，显然没有正确调整我的代码。

这是写出谨慎预测的工作代码:

public class runPredictions {
public static void runPredictions(ArrayList al2) throws IOException, Exception{
    // Retrieve objects
    Instances newTest = (Instances) al2.get(0);
    Classifier clf = (Classifier) al2.get(1);

    // Print status
    System.out.println("Generating predictions...");

    // create copy
    Instances labeled = new Instances(newTest);

    // label instances
    for (int i = 0; i < newTest.numInstances(); i++) {
      double clsLabel = clf.classifyInstance(newTest.instance(i));
      labeled.instance(i).setClassValue(clsLabel);

    }
    System.out.println("Predictions complete! Writing output file to csv...");
    BufferedWriter outFile = new BufferedWriter(new FileWriter("C:/Users/hackr/Desktop/silverbullet_output.csv"));

    for (int i = 0; i < labeled.size(); i++)
    {
        outFile.write(labeled.get(i).toString());
        outFile.write("\n");
    }
    System.out.println("Output file written.");
    System.out.println("Completed successfully!");
    outFile.close();    
}    
}

现在我正在处理的代码具有以下内容:

   for (int i = 0; i < labeled.size(); i++)

{
    double[] clsLabel = clf.distributionForInstance(newTest.instance(i));
    //outFile.write(labeled.get(i).toString());
    outFile.write(Double.toString(clsLabel[i]));
    outFile.write("\n");
}

并抛出一个

Index out of bounds

错误。

我还移动了 clsLabel 的创建，因为显然当数据类型更改时它再也找不到符号了，除非我将其移动到 for 循环内。

Answer 1

重新措辞我的评论。

从 clf.distributionForInstance(newTest.instance(i)); 返回的结果本身就是一个 double[]。这意味着您不是从分布函数中获取一个值，而是将整个分布作为一组值返回。

要正确显示整体分布，您需要单独循环结果集并打印值:

for (int i = 0; i < labeled.size(); i++) {
     double[] clsLabel = clf.distributionForInstance(newTest.instance(i));
     for(double d : clsLabel) {
         outFile.write(Double.toString(d));
     }
     outFile.write("\n");
}

假设有 2 个类别(正在预测 2 个类别，例如“垃圾邮件”和“非垃圾邮件”)，则以下内容有效:

BufferedWriter outFile = new BufferedWriter(new FileWriter("silverbullet_rro_output.csv"));
StringBuilder builder = new StringBuilder();

for (int i = 0; i < labeled.size(); i++)      
{
    double[] clsLabel = clf.distributionForInstance(newTest.instance(i));
    for(int j=0;j<2;j++){
       builder.append(clsLabel[j]+""); 
       if(j < clsLabel.length - 1)
           builder.append(",");
    }
    builder.append("\n");
}
outFile.write(builder.toString());//save the string representation
System.out.println("Output file written.");
System.out.println("Completed successfully!");
outFile.close();