如果我使用Weka Explorer运行一些训练数据来反对使用线性内核的SVM测试数据,一切都很好.

但是我需要在我自己的Java中以编程方式执行此操作,并且我当前的代码如下所示：

Instances train = new Instances (...);
train.setClassIndex(train.numAttributes() - 1);
Instances test = new Instances (...) + 
ClassificationType classificationType = ClassificationTypeDAO.get(6);       
LibSVM libsvm = new LibSVM();
String options = (classificationType.getParameters());
String[] optionsArray = options.split(" ");                  
libsvm.setOptions(optionsArray);
String[] pars = libsvm.getOptions();     
Evaluation eval = new Evaluation(train);
libsvm.buildClassifier(train);       
eval.evaluateModel(libsvm, test);

System.out.println(eval.toSummaryString("\nResults\n======\n", false)); 

但是,正在抛出异常：

eval.evaluateModel(libsvm,test);

尽管在此代码周围尝试了很多尝试… catch块,但是根据下面的完整堆栈跟踪,发生的异常只是报告为null(这非常有用).

我不相信这个问题是由于我自己的代码,因为其他分类器已成功运行它.我正在研究这个问题的原因是环境的理论.但在哪里和什么？我使用Tomcat通过NetBeans 8运行我的应用程序,并在应用程序的.lib文件夹中包含最新版本的weka.jar和LibSVM.jar.

但是我需要从下载提供的libsvm.jar：

http://www.csie.ntu.edu.tw/~cjlin/libsvm/

如果是后者,我如何解决Windows中将LibSVM.jar和libsvm.jar视为同一文件的命名冲突？

在过去的几个小时里,这让我很困惑.我已经尝试将LibSVM.jar和libsvm.jar文件添加到.lib文件夹中,重命名它们,将它们放入新定义的CLASSPATH中,但没有任何作用.

Java异常的完整堆栈跟踪是：

null
weka.classifiers.functions.LibSVM.distributionForInstance(LibSVM.java:1489)
weka.classifiers.Evaluation.evaluationForSingleInstance(Evaluation.java:1560)
weka.classifiers.Evaluation.evaluateModelOnceAndRecordPrediction(Evaluation.java:1597)
weka.classifiers.Evaluation.evaluateModel(Evaluation.java:1477)
visualRSS.test.Weka_LibSVM_Test.classify(Weka_LibSVM_Test.java:48)
visualRSS.initialisation.TestProgram_Context_Listener.contextInitialized(TestProgram_Context_Listener.java:29)
org.apache.catalina.core.StandardContext.listenerStart(StandardContext.java:3972)
org.apache.catalina.core.StandardContext.start(StandardContext.java:4467)
org.apache.catalina.core.StandardContext.reload(StandardContext.java:3228)
org.apache.catalina.manager.ManagerServlet.reload(ManagerServlet.java:943)
org.apache.catalina.manager.ManagerServlet.doGet(ManagerServlet.java:361)
javax.servlet.http.HttpServlet.service(HttpServlet.java:617)
javax.servlet.http.HttpServlet.service(HttpServlet.java:717)
org.apache.catalina.core.ApplicationFilterChain.internalDoFilter(ApplicationFilterChain.java:290)
org.apache.catalina.core.ApplicationFilterChain.doFilter(ApplicationFilterChain.java:206)
org.apache.catalina.core.StandardWrapperValve.invoke(StandardWrapperValve.java:233)
org.apache.catalina.core.StandardContextValve.invoke(StandardContextValve.java:191)
org.apache.catalina.authenticator.AuthenticatorBase.invoke(AuthenticatorBase.java:558)
org.apache.catalina.core.StandardHostValve.invoke(StandardHostValve.java:127)
org.apache.catalina.valves.ErrorReportValve.invoke(ErrorReportValve.java:102)
org.apache.catalina.core.StandardEngineValve.invoke(StandardEngineValve.java:109)
org.apache.catalina.connector.CoyoteAdapter.service(CoyoteAdapter.java:298)
org.apache.coyote.http11.Http11AprProcessor.process(Http11AprProcessor.java:859)
org.apache.coyote.http11.Http11AprProtocol$Http11ConnectionHandler.process(Http11AprProtocol.java:579)
org.apache.tomcat.util.net.AprEndpoint$Worker.run(AprEndpoint.java:1555)

解决方法:

我的测试代码的问题与Weka以编程方式运行LibSVM所需的.jar文件有关.

如果我的代码是：

public static void classify() {      
    try {            
        Instances train = new Instances (...);            
        train.setClassIndex(train.numAttributes() - 1);         
        Instances test = new Instances (...);            
        test.setClassIndex(test.numAttributes() - 1);                      
        ClassificationType classificationType = ClassificationTypeDAO.get(6);  // 6 is SVM.        
        LibSVM classifier = new LibSVM();
        String options = (classificationType.getParameters());
        String[] optionsArray = options.split(" ");                          
        classifier.setOptions(optionsArray);        
        classifier.buildClassifier(train);        
        Evaluation eval = new Evaluation(train);
        eval.evaluateModel(classifier, test);
        System.out.println(eval.toSummaryString("\nResults\n======\n", false));       
    } 
    catch (Exception ex) {            
        Misc_Utils.printStackTrace(ex);
    }                       
}

我发现我需要放置weka.jar(来自Weka)和libsvm.jar(来自应用程序的.lib文件夹中的http://www.csie.ntu.edu.tw/~cjlin/libsvm/.但是由于Windows中的命名冲突,我将文件LibSVM.jar(来自Weka)重命名为LibSVM_Weka .jar并将其添加到.lib文件夹中.

运行程序我现在的结果与Weka的资源管理器相匹配,使用的关键字频率在5类数据中分布不均匀.