WekaSMO源代码分析.docVIP

Weka[27] SMO 源代码分析 作者：Koala++/屈伟 前两天思维混乱的状态下，把 SMO 的代码胡乱看了一下，里面的东西没有校对，错误 是一定有的，现在请不要转载，把错误扩散，贴出来的目的是，如果有什么不清楚，或是不 对的，希望大家能告诉我，如果我还有实力搞懂，我会努力纠正的。 还是从 buildClassifier 开始： if (!m_checksTurnedOff) { if (insts.checkForStringAttributes()) { throw new UnsupportedAttributeTypeException( Cannot handle string attributes!); } if (insts.classAttribute().isNumeric()) { throw new UnsupportedClassTypeException( SMO cant handle a numeric class! Use + SMOreg for performing regression.); } insts = new Instances(insts); insts.deleteWithMissingClass(); if (insts.numInstances() == 0) { throw new Exception( No training instances without a missing class!); } /* Removes all the instances with weight equal to 0. MUST be done since condition (8) of Keerthis paper is made with the assertion Ci 0 (See equation (3a). */ Instances data = new Instances(insts, insts.numInstances()); for (int i = 0; i insts.numInstances(); i++) { if (insts.instance(i).weight() 0) data.add(insts.instance(i)); } if (data.numInstances() == 0) { throw new Exception( No training instances left after removing + instance with either a weight + null or a missing class!); } insts = data; } 都比较简单，第一个检查是不是有 String 类型的属性，第二个是检查类别是不是数值型 的，数值型的类别要用 SMOreg 进行回归分析，下面是删除没有类别的样本，再看是不是样 本数为 0，下面的注释写到，删除所有样本权重为 0 的样本，因为 Keerthi 的论文中条件(8) 中有要求。再判断一次是不是样本数为 0。 m_onlyNumeric = true; if (!m_checksTurnedOff) { for (int i = 0; i insts.numAttributes(); i++) { if (i != insts.classIndex()) { if (!insts.attribute(i).isNumeric()) { m_onlyNumeric = false; break; } } } } 判断是否只有数值型属性。 if (!m_checksTurnedOff) { m_Missing = new ReplaceMissingValues(); m_Missing.setInputFormat(insts); insts = Filter.useFilter(insts, m_Missing); } else { m_Missing = null; } ReplaceMissingValues 的注释中写到，用数据集的训练集中的众数和平均值替换所有离 散和数值型属性（Replaces all missing values for nominal and numeric attributes in a dataset with the modes and means from the training data）. if (!m_onlyNumeric) { m_NominalToBinary = new NominalToBinary(); m_NominalToBinary.s