用 WEKA 进行数据挖掘，第 3 部分: 最近邻和服务器端库

核心提示： 实际上，您已经下载了这个 WEKA API JAR；它就是您启动 WEKA Explorer 时调用的那个 JAR 文件，用 WEKA 进行数据挖掘，第 3 部分: 最近邻和服务器端库(9)，为了访问此代码，让您的 Java 环境在此类路径中包含这个 JAR 文件，这也是为什么您在阅读本文的原因

实际上，您已经下载了这个 WEKA API JAR；它就是您启动 WEKA Explorer 时调用的那个 JAR 文件。为了访问此代码，让您的 Java 环境在此类路径中包含这个 JAR 文件。在您自己的代码中使用第三方 JAR 文件的步骤如常。

正如您所想，WEKA API 内的这个中心构建块就是数据。数据挖掘围绕此数据进行，当然所有我们已经学习过的这些算法也都是围绕此数据的。那么让我们看看如何将我们的数据转换成 WEKA API 可以使用的格式。让我们从简单的开始，先来看看本系列有关房子价值的第一篇文章中的那些数据。

注: 我最好提前告诫您 WEKA API 有时很难导航。首要的是要复核所用的 WEKA 的版本和 API 的版本。此 API 在不同的发布版间变化会很大，以至于代码可能会完全不同。而且，即便此 API 完备，却没有什么非常好的例子可以帮助我们开始（当然了，这也是为什么您在阅读本文的原因）。我使用的是 WEKA V3.6。

清单 4 显示了如何格式化数据以便为 WEKA 所用。

清单 4. 将数据载入 WEKA

//　Define　each　attribute　(or　column),　and　give　it　a　numerical　column　number　
//　Likely,　a　better　design　wouldn't　require　the　column　number,　but　
//　would　instead　get　it　from　the　index　in　the　container　
Attribute　a1　=　new　Attribute("houseSize",　0);　
Attribute　a2　=　new　Attribute("lotSize",　1);　
Attribute　a3　=　new　Attribute("bedrooms",　2);　
Attribute　a4　=　new　Attribute("granite",　3);　
Attribute　a5　=　new　Attribute("bathroom",　4);　
Attribute　a6　=　new　Attribute("sellingPrice",　5);　
　
//　Each　element　must　be　added　to　a　FastVector,　a　custom　
//　container　used　in　this　version　of　Weka.　
//　Later　versions　of　Weka　corrected　this　mistake　by　only　
//　using　an　ArrayList　
FastVector　attrs　=　new　FastVector();　
attrs.addElement(a1);　
attrs.addElement(a2);　
attrs.addElement(a3);　
attrs.addElement(a4);　
attrs.addElement(a5);　
attrs.addElement(a6);　
　
//　Each　data　instance　needs　to　create　an　Instance　class　
//　The　constructor　requires　the　number　of　columns　that　
//　will　be　defined.　In　this　case,　this　is　a　good　design,　
//　since　you　can　pass　in　empty　values　where　they　exist.　
Instance　i1　=　new　Instance(6);　
i1.setValue(a1,　3529);　
i1.setValue(a2,　9191);　
i1.setValue(a3,　6);　
i1.setValue(a4,　0);　
i1.setValue(a5,　0);　
i1.setValue(a6,　205000);　
　
....　
　
//　Each　Instance　has　to　be　added　to　a　larger　container,　the　
//　Instances　class.　In　the　constructor　for　this　class,　you　
//　must　give　it　a　name,　pass　along　the　Attributes　that　
//　are　used　in　the　data　set,　and　the　number　of　
//　Instance　objects　to　be　added.　Again,　probably　not　ideal　design　
//　to　require　the　number　of　objects　to　be　added　in　the　constructor,　
//　especially　since　you　can　specify　0　here,　and　then　add　Instance　
//　objects,　and　it　will　return　the　correct　value　later　(so　in　
//　other　words,　you　should　just　pass　in　'0'　here)　
Instances　dataset　=　new　Instances("housePrices",　attrs,　7);　
dataset.add(i1);　
dataset.add(i2);　
dataset.add(i3);　
dataset.add(i4);　
dataset.add(i5);　
dataset.add(i6);　
dataset.add(i7);　
　
//　In　the　Instances　class,　we　need　to　set　the　column　that　is　
//　the　output　(aka　the　dependent　variable).　You　should　remember　
//　that　some　data　mining　methods　are　used　to　predict　an　output　
//　variable,　and　regression　is　one　of　them.　
dataset.setClassIndex(dataset.numAttributes()　-　1);