Java数据科学指南

第5章　数据学习Ⅱ

本章涵盖如下内容：

• 使用Java机器学习库向数据应用机器学习；
• 导入与导出数据集；
• 聚类与评估；
• 分类；
• 交叉验证与held-out测试；
• 特征计分；
• 特征选择；
• 使用斯坦福分类器对数据点分类；
• 使用MOA（Massive Online Analysis）对数据点分类。

5.1　简介

在第4章，我们学习了如何使用Weka机器学习平台来进行分类、聚类、关联规则挖掘、特征选择等。我们还提到Weka不是唯一一个使用Java语言用来学习数据模式的工具。除了Weka之外，还有许多其他工具可以用来执行类似的任务，比如Java-ML、MOA、斯坦福机器学习库等。

本章，我们将重点学习这些工具中的几个来对数据进行机器学习分析。

5.2　使用Java机器学习库（Java-ML）向数据应用机器学习

Java机器学习库（Java-ML）包含一系列标准的机器学习算法。与Weka不同，这个库不带有任何GUI界面，因为它主要面向的是软件开发人员。Java-ML特别好的地方是每种算法都有相同接口，因此算法实现起来相当容易、简单易懂。另一个优点是这个库拥有丰富的支持，源代码文档齐全，并且容易扩展，有大量使用这个库实现的机器学习任务的代码示例与教程。关于这个库的更多细节，请参阅java-ML官网。

本部分，我们将使用这个库做如下任务：

• 导入与导出数据集；
• 聚类与评估；
• 分类；
• 交叉验证与held-out测试；
• 特征计分；
• 特征选择。

准备工作

开始之前，先做如下准备。

1．如图5-1所示，在本部分，我们会使用Java-ML 0.1.7版本。请读者自行下载。

图5-1

2．下载完成后，对zip文件解压，得到如图5-2所示的目录。

图5-2

把javaml-0.1.7.jar文件作为外部文件添加到你用来实现本部分内容的Eclipse项目中。 ...