使用没有整个 weka 库的 weka 决策树分类器

Question

我已经为我的实例训练了一个分类器，现在想将其导出到 Android 应用程序，其中 Weka 库将不可用。

在

Android应用程序中简单地添加Weka库是不合适的，因为它的大小（6.5 Mb）。

还有其他方法可以使用分类器来评估和标记其他未标记的实例吗？是否有任何较小的独立图书馆专门为此设计？

当然，我最终可以编写自己的库来解释 Weka 的输出模型，但在我看来，这样的解决方案已经存在似乎是合乎逻辑的。（虽然它以某种方式逃脱了我）

Answer 1

没有独立的库可以做你想做的事。您可以删除 Weka 中所有不需要的部分，并将其打包到库中。

在您的特定情况下，最简单的方法可能是将 Weka 学习的决策树直接放入一系列 if...else 语句中的代码中。您甚至可以编写一个脚本，该脚本获取决策树的（图形）输出并为您编写该代码。

Answer 2

在更加关注 weka 的输出模型之后，我注意到通过使用以 Java 类形式生成树的选项，我可以将其与 weka 库分开使用。

您可以删除生成的 WekaWrapper 并仅保留内部类，这是树的基本实现：

该类如下所示：

public class WekaWrapper
  extends Classifier {
  /**
   * Returns only the toString() method.
   *
   * @return a string describing the classifier
   */
  public String globalInfo() {
    return toString();
  }
  /**
   * Returns the capabilities of this classifier.
   *
   * @return the capabilities
   */
  public Capabilities getCapabilities() {
    weka.core.Capabilities result = new weka.core.Capabilities(this);
    result.enable(weka.core.Capabilities.Capability.NOMINAL_ATTRIBUTES);
    result.enable(weka.core.Capabilities.Capability.NOMINAL_CLASS);
    result.enable(weka.core.Capabilities.Capability.MISSING_CLASS_VALUES);
    result.setMinimumNumberInstances(0);
    return result;
  }
  /**
   * only checks the data against its capabilities.
   *
   * @param i the training data
   */
  public void buildClassifier(Instances i) throws Exception {
    // can classifier handle the data?
    getCapabilities().testWithFail(i);
  }
  /**
   * Classifies the given instance.
   *
   * @param i the instance to classify
   * @return the classification result
   */
  public double classifyInstance(Instance i) throws Exception {
    Object[] s = new Object[i.numAttributes()];
    for (int j = 0; j < s.length; j++) {
      if (!i.isMissing(j)) {
        if (i.attribute(j).isNominal())
          s[j] = new String(i.stringValue(j));
        else if (i.attribute(j).isNumeric())
          s[j] = new Double(i.value(j));
      }
    }
    // set class value to missing
    s[i.classIndex()] = null;
    return WekaClassifier.classify(s);
  }
  /**
   * Returns the revision string.
   * 
   * @return        the revision
   */
  public String getRevision() {
    return RevisionUtils.extract("1.0");
  }
  /**
   * Returns only the classnames and what classifier it is based on.
   *
   * @return a short description
   */
  public String toString() {
    return "Auto-generated classifier wrapper, based on weka.classifiers.trees.Id3 (generated with Weka 3.6.9).n" + this.getClass().getName() + "/WekaClassifier";
  }
  /**
   * Runs the classfier from commandline.
   *
   * @param args the commandline arguments
   */
  public static void main(String args[]) {
    runClassifier(new WekaWrapper(), args);
  }
}
class WekaClassifier {
  private static void checkMissing(Object[] i, int index) {
    if (i[index] == null)
      throw new IllegalArgumentException("Null values are not allowed!");
  }
  public static double classify(Object[] i) {
    return node0(i);
  }
  protected static double node0(Object[] i) {
    return 0.0; // unacc
  }
}

所以，是的，事实上你可以很容易地做到这一点。要记住的事情：

• 要对实例进行分类，请调用 classify（Object[]） 方法;
• 返回值将是浮点值;
• 返回值在 return 命令旁边的注释中进行了说明;
• 参数没有验证，因此请注意输入它们的顺序（这部分由 weka 依赖部分完成）;
• 顺序是 ARFF 文件中定义的顺序。

Answer 3

如果你想运行RandomForest，

你可以使用我写的一个小脚本，将RandomForest分类器的WEKA的-printTrees选项的输出转换为Java源代码。

http://pielot.org/2015/06/exporting-randomforest-models-to-java-source-code/

您需要包含在 Android 应用中的代码将仅包含三个类：具有生成模型的类 + 两个用于进行分类的类。