Java整合Weka做線性回歸的例子

之前研究完分類的邏輯回歸，繼續搞一下線性回歸看看。線性回歸在資料探勘領域應也是非常常見，即根據現有的資料集（行向量組成的矩陣），（訓練）模擬出乙個合適的規律（函式），來推測任何新給出的資料組合（向量）應該得到的值。

具體的描述可以參見各種部落格，怎麼推導的看來看去一知半解，但總而言之結果也簡單，就是計算得到乙個「適當」的多元線性函式y=a0+a1*x1+a2*x2+a3*x3+…+ak*xk。我就不在這裡ctrl+v了。下面只看看**上如何整合。

weka中有對應的線性回歸linearregression。使用起來道理也一樣，就是先構造模型，然後使用；使用時就是構造乙個instance，然後用classifyinstance函式來得到**值。

訓練模型

static abstractclassifier trainmodel(string arfffile, int classindex) throws exception

我使用了ibm技術部落格上的乙個資料樣本（根據房子的面積、房間數、浴室數等，**房子的房價）：

@relation house @attribute housesize numeric @attribute lotsize numeric @attribute bedrooms numeric @attribute granite numeric @attribute bathroom numeric @attribute sellingprice numeric @data 3529,9191,6,0,0,205000 3247,10061,5,1,1,224900 4032,10150,5,0,1,197900 2397,14156,4,1,0,189900 2200,9600,4,0,1,195000 3536,19994,6,1,1,325000 2983,9365,5,0,1,230000

但有一點讓我比較困惑，就是如何構造乙個資料例項，用來作為模型**的引數（自變數向量）。因為classifyinstance函式，是接收乙個資料例項的（即自變數向量）weka.core.instance，而且搜尋看到人家是這樣構造的：

instance ins = new weka.core
.instance(numoffields);

但實際上這個根本編譯不過，找了原因：weka.core.instance是乙個inte***ce！（難道早期的版本instance是乙個可以例項化的類嗎？）

在weka api文件找找，還是可以看到有其實現類的。

這樣一來，**就可以寫了：

用模型來**

public static void main(string args) throws exception

執行一下：

price: 131311.66927984258

感興趣看看這個模型是怎麼樣的，可以列印出模型求解出來的各個係數。

linearregression linear = new linearregression();
......
for (double coef : linear.coefficients())

執行一下看看，可以得到：

-26.688240074108368 7.055124244983151 43166.07667227803 0.042292.09008972738 0.0-21661.120845270096

有兩個係數是0，對應arff檔案可以得知，granite 是對結果沒有影響的。第二個0的係數，是不是對應了price**的位置，因為price是被**的因變數，所以係數也一定為0。

因此這個模型的解讀是：

sellingprice = -26.6882 * housesize + 7.0551 * lotsize + 43166.0767 * bedrooms + 42292.0901 * bathroom + -21661.1208

Java整合Weka做線性回歸的例子

在Java中使用weka 入門

Weka學習之用java構建ARFF檔案

Springboot整合Redis做快取

Java整合Weka做線性回歸的例子

在Java中使用weka 入門

Weka學習之用java構建ARFF檔案

Springboot整合Redis做快取

相關推薦