Differences

This shows you the differences between two versions of the page.

--- med:lab_5 [2017/12/06 17:23]
pszwed [IDE]
+++ med:lab_5 [2018/05/12 23:26]
pszwed [IDE]
@@ Line 22: / Line 22: @@
   * W ''usr/local/bin'' jest dostępne Eclipse Neon
-  * Wybierz: //Project -> Properties -> Jaba Build Path.// Następnie zakładkę //Libraries// i opcję //Add External JARs//. Dodaj bibliotekę ''weka.jar ''
+  * Utwórz projekt
+  * Wybierz: //Project -> Properties -> Java Build Path.// Następnie zakładkę //Libraries// i opcję //Add External JARs//. Dodaj bibliotekę ''weka.jar ''
+Dost
 ===== Kod =====
@@ Line 28: / Line 32: @@
+.1.1
 <code java>
 DataSource source = new DataSource("c-001.arff");
@@ Line 40: / Line 45: @@
 Utworznenie i uczenie klasyfikatora
+.1.3
 <code java>
 Classifier cls = new NaiveBayes();
@@ Line 47: / Line 53: @@
 Instancja do sklasyfikowania
+.1.4
 <code java>
 Instance inst = new DenseInstance (3);
@@ Line 54: / Line 61: @@
 </code>
+.1.5/6
 <code java>
+double y = cls.classifyInstance(inst);
 double[] distrib = cls.distributionForInstance(inst);
 System.out.printf(Locale.US,"%d->%f %d->%f\n",0,distrib[0],1,distrib[1]);
@@ Line 61: / Line 71: @@
+.2.2
 <code java>
 List<Attribute> atts = Arrays.asList(
@@ Line 71: / Line 82: @@
 </code>
+.2.3
+<code java>
+for(double x1=-10;x1<=10;x1+=0.1){
+ for(double x2=-10;x2<=10;x2+=0.1){
+  Instance inst = new DenseInstance(3);
+  inst.setValue(0, x1);
+  inst.setValue(1, x2);
+  inst.setDataset(result);
+  double y = cls.classifyInstance(inst);
+  inst.setClassValue(y);
+  result.add(inst);
+ }
+}
+</code>
+.2.4
+<code java>
+ArffSaver saver = new ArffSaver();
+saver.setInstances(result);
+saver.setFile(new File("c-001-result.arff"));
+saver.writeBatch();
+</code>
+.4.2
+<code java>
+Classifier cls;
+cls = new NaiveBayes();
+Evaluation eval = new Evaluation(data);
+eval.crossValidateModel(cls, data, 10, new Random(1));
+eval.toSummaryString()
+eval.confusionMatrix()
+System.out.printf(Locale.US,
+"[prec recall fmeasure]:\t%f\t%f\t%f\n",
+eval.weightedPrecision(),
+eval.weightedRecall(),
+eval.weightedFMeasure());
+</code>