本文章翻译至 Java ML技术文档classification。pdf，代码部分是参考该文档使用 IDEA 编写，同时加入了运行结果。

分类

本文介绍与分类相关的功能。

该文章假设您已熟悉Java ML的基础知识，如入门教程中所述（）。数据集下载地址：

分类基础知识

本文介绍了设置分类器、训练算法和评估其性能的基础知识。首先我们需要初始化一个分类器，然后我们可以用一些数据来训练它，最后我们可以用它来对新的样本进行分类。 创建一个分类器

下面的示例从iris数据集中加载数据，然后我们构造一个K-nearest分类器并用数据来训练它。

创建一个分类器

结果1

注：分类器的构建方法可能会修改作为参数的数据集。

评估分类器的性能

现在我们已经构造并训练了一个分类器，我们可以使用它来分类新的实例，在这个例子中，我们将重新加载iris数据集，并使用训练好的分类器来预测每个实例的类标签。

评估分类器的性能

结果2

这个例子将遍历iris数据集中的所有样本，并试图通过对其5-nearest的多数投票来预测其分类。在本例中，这将导致145个正确的预测和5个错误的预测。

注：这不是验证该模型是否正确的方法。至于正确的验证方法，请查阅交叉验证法。

在数据集上评估分类器

本文向您展示如何在数据集上测试分类器的性能。这里将介绍两个类。EvaluateDataset，它允许您在数据集上测试分类器。还将引入PerformanceMeasure，此类用于存储有关分类器性能的信息。

在数据集上评估分类器

结果3

此示例加载iris数据集，构造5-nearest分类器并再次加载iris数据。

testDataset方法使用经过训练的分类器来预测所提供数据集中所有样本的标签。分类器的性能作为映射返回，映射包含每个类的性能度量。性能度量是围绕着真阳性、真阴性、 假阳性 和假阴性的值的包装。该类还提供了许多方便的方法来计算许多聚合度量，如准确性、f-score、召回率、精确度、敏感性、特异性等。

分类交叉验证

在本文中，我们将讨论如何使用Java-ML执行交叉验证。

在本文中，我们假设您知道如何从文件加载数据、如何创建aclassifier以及如何使用PerformanceMeasure。Java ML中的交叉验证可以使用CrossValidation类完成。下面的代码展示了如何使用这个类。

分类交叉验证

结果4

本例首先加载iris数据集，然后构造一个K-nearest分类器，该分类器使用5-nearest对样本进行分类，在下一步中，我们使用所构造的分类器创建一个交叉验证，最后指示交叉验证在加载的数据上运行。默认情况下，将执行10倍的交叉验证，每个类的结果将返回到映射类标签到其相应PerformanceMeasure的映射中。

以相同folds执行多次

以相同folds执行多次

结果5

上面的示例对数据集执行三轮交叉验证。前两个使用的folds与用于创建folds的随机生成器使用相同的种子初始化的folds完全相同。第三个则运行在不同的折叠，因为它使用不同的种子。

在本例中，我们使用了相同的分类器，可以将分类器与不同的分类器交换，并在完全相同的折叠上测试不同的分类器。

Weka分类

通过使用Weka Classification桥，可以从Java ML中访问来自Weka的分类算法，并使用与本机算法相同的方法。这个类可以包装在Weka分类器上，使它们对基于Java ML的程序透明可用。

在下面的例子中，我们首先加载iris数据集。接下来，我们使用默认设置从Weka创建一个支持SMO的vectormachine。然后，我们将SMO包裹在WekaClassifierbridge中。最后，我们对分类器进行交叉验证并写出结果。

Weka分类

结果6

参考网站：