在Python中使用Weka

  Weka是用Java编写的数据挖掘工具，如果要在Python中调用Weka，需要用到Jython。Jython是100%用Java实现的Python，可以无缝的嵌入到Java平台当中。

  前期准备：

  1. 安装JDK,Jython

  2. 将Jython的执行路径加入到$PATH，将Weka.jar的路径加入到$CLASSPATH中

  下面我们用Jython调用Weka的朴素贝叶斯分类器来对数据进行分类：

#!/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
 #训练数据格式为CSV文件
 loader=CSVLoader()
 loader.setSource(File('train.csv'))
 data=loader.getDataSet()
 
 '''
 训练数据格式为arff文件
 reader = FileReader("/train.arff")
 data = Instances(reader)
 '''
 
 #设置分类属性
 data.setClassIndex(data.numAttributes()-1)
 
 #训练朴素贝叶斯模型
 nb=NaiveBayes()
 #设置选项，测出我们不使用任何选项
 options=splitOptions('')
 nb.setOptions(options)
 nb.buildClassifier(data)
 #输出训练好的朴素贝叶斯分类模型
 print nb
 
 #导入测试数据，此处是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):
     #输出测试样例在所有类别上的概率分布
     r1=nb.distributionForInstance(test_data.instance(i))
     #输出测试样例的分类结果，是所有类别中概率最高的那个类别
     r2=nb.classifyInstance(test_data.instance(i))
     print r1
     print r2
 
 #5重交叉验证评估朴素贝叶斯分类器的效果
 evaluator=Evaluation(data)
 print evaluator.evaluateModel(NaiveBayes(),['-t','train.csv','-x','5','-i'])

  上述脚本命名为weka_naive_bayes.py

  执行该脚本的命令为jython weka_naive_bayes.py

  参考文献：

  [1]  Using Weka from Jython

  [2]  Weka Sourceforge

  [3]  用Python的方式调用Weka