在Python中使用Weka

  Weka是用Java編寫的數據挖掘工具，如果要在Python中調用Weka，需要用到Jython。Jython是100%用Java實現的Python，可以無縫的嵌入到Java平台當中。

  前期准備：

  1. 安裝JDK,Jython

  2. 將Jython的執行路徑加入到$PATH，將Weka.jar的路徑加入到$CLASSPATH中

  下面我們用Jython調用Weka的朴素貝葉斯分類器來對數據進行分類：

#!/usr/bin/python
 #coding=UTF-8
 import sys
 import java.io.FileReader as FileReader
 import java.io.File as File
 import weka.core.Instances as Instances
 import weka.core.converters.CSVLoader as CSVLoader
 import weka.classifiers.bayes.NaiveBayes as NaiveBayes
 #訓練數據格式為CSV文件
 loader=CSVLoader()
 loader.setSource(File('train.csv'))
 data=loader.getDataSet()
 
 '''
 訓練數據格式為arff文件
 reader = FileReader("/train.arff")
 data = Instances(reader)
 '''
 
 #設置分類屬性
 data.setClassIndex(data.numAttributes()-1)
 
 #訓練朴素貝葉斯模型
 nb=NaiveBayes()
 #設置選項，測出我們不使用任何選項
 options=splitOptions('')
 nb.setOptions(options)
 nb.buildClassifier(data)
 #輸出訓練好的朴素貝葉斯分類模型
 print nb
 
 #導入測試數據，此處是CSV格式，也可以用arff格式
 loader=CSVLoader()
 loader.setSource(File('test.csv'))
 test_data=loader.getDataSet()
 test_data.setClassIndex(test_data.numAttributes()-1)
 
 num=test_data.numInstances()
 print num
 for i in range(num):
     #輸出測試樣例在所有類別上的概率分布
     r1=nb.distributionForInstance(test_data.instance(i))
     #輸出測試樣例的分類結果，是所有類別中概率最高的那個類別
     r2=nb.classifyInstance(test_data.instance(i))
     print r1
     print r2
 
 #5重交叉驗證評估朴素貝葉斯分類器的效果
 evaluator=Evaluation(data)
 print evaluator.evaluateModel(NaiveBayes(),['-t','train.csv','-x','5','-i'])

  上述腳本命名為weka_naive_bayes.py

  執行該腳本的命令為jython weka_naive_bayes.py

 

  參考文獻：

  [1]  Using Weka from Jython

  [2]  Weka Sourceforge

  [3]  用Python的方式調用Weka