WEKA - 從Java中的特徵向量列表創建實例

我有一個固定長度的特徵向量的大列表。該列表是1000個矢量長和矢量長度是10.000雙重值每個。 100個向量代表一個類別（每個類別100個樣本），所以後面的模型訓練將涉及這個邏輯：100個正面樣本對900個負面樣本或簡而言之，一個類別針對所有其他類別。WEKA - 從Java中的特徵向量列表創建實例

如何從矢量列表創建Java實例以進行模型培訓？

這是我的名單包含所有的特徵向量：

public static List <Vector<Double>> featuresList = new LinkedList<Vector<Double>>();

請讓我知道如果我離開任何東西了。

來源

2016-01-24 c00ki3s

要訓練您的模型，您必須創建instances以減速您的屬性。實例是一組instance s。然後你可以將你的實例添加到你的實例中。從一個雙矢量可以創建SparseInstance或DenseInstance：

public SparseInstance(double weight, double[] attValues) 

public DenseInstance(double weight, /*@[email protected]*/ double[]attValues){

可能不是Vector<Double>你可以使用雙陣列。

你可以找到任何有用的信息在https://weka.wikispaces.com/Programmatic+Use

來源

2016-01-25 16:11:52

創建實例我已經簽出了Weka介紹。頁面前幾次，但我沒有看到'SparseInstance's在那裏使用，只有'DenseInstance's和'FastVector's。據我所知，FastVectors已被棄用，所以信息。再也沒有這麼近期了。謹慎分享一些關於'SparseInstance'使用情況的更多信息？實例權重描述了什麼？我對Weka很陌生，所以每一個信息。將會有很大的幫助。我已經完成了對數組的解析矢量（在那裏沒有問題）。謝謝。 – c00ki3s

您也可以從雙向量創建DenseInstance。稀疏實例類似於密集實例（或稠密雙向量），但值爲0的數據不會被明確表示。例如密格式： 0，X，0，Y，「類A」 0，0，W，0，「B類」和稀疏格式： {1 X，3 Y，4 「類A」 } {2 W，4「class B」} 您可以在https://weka.wikispaces.com/ARFF+(stable+version)#Sparse ARFF文件中找到更多信息 –

實例重量很好，例如當你的訓練集不平衡時，例如否定實例（或嘗試對實例進行分類時的一個類）過度表示。在這種情況下，你可以超重你的正面實例（或稀有類）來幫助你的ML模型學習。但是，主要你只能設置爲1.0。 –

WEKA - 從Java中的特徵向量列表創建實例

回答

相關問題