MRMD降维+weka验证+寻找最优分类 - 机器学习和生物信息学实验室联盟

// arff训练集文件名称
String TrainfeaName = "TrainSeq_DD_473D_Features";
// arff测试集文件名称
String TestfeaName = "TestSeq_DD_473D_Features";
// arff文件所在路径
String dir = "C:\\ShixiangWan\\workspace\\MRMD\\arff_data\\";

复制代码

int initNum = 10; // 特征选择初始值
int gap = 2; //特征选择间隔

复制代码

当前特征维数：10
本次分类准确度：38.1201%, ↑
当前特征维数：20
本次分类准确度：52.7415%, ↑
当前特征维数：40
本次分类准确度：58.4856%, ↑
当前特征维数：80
本次分类准确度：58.7467%, ↑
当前特征维数：160
本次分类准确度：58.7467%, =
当前特征维数：150
本次分类准确度：58.7467%, =
当前特征维数：140
本次分类准确度：58.7467%, =
当前特征维数：130
本次分类准确度：58.7467%, =
当前特征维数：120
本次分类准确度：58.7467%, =
当前特征维数：110
本次分类准确度：58.7467%, =
当前特征维数：100
本次分类准确度：58.7467%, =
当前特征维数：90
本次分类准确度：58.7467%, =
当前特征维数：80
本次分类准确度：58.7467%, =
当前特征维数：70
本次分类准确度：58.7467%, =
当前特征维数：60
本次分类准确度：58.7467%, =
当前特征维数：50
本次分类准确度：57.9634%, ↓
最佳分类准确度：58.7467%
最佳特征维数：80

复制代码

/*
* 说明：对于某些正反例文件过大的情形，程序容易处理故障，本代码实现将大文件整合成正例和反例数目相等的文件，
* 同时保留剩余的实例，并删除错误分类的实例。
* 作者：万世想
* 时间：2015-10-05
* */
package demo02;
import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.FileReader;
import java.io.FileWriter;
import java.util.Random;
public class FormatArff {
public static void main(String[] args) {
String input_file_name = "pseb20_uniprot-cytokine70_all.arff"; //输入文件名
int num = 8000; //待选取的正例和反例的数目，如果此值大于文件中的正例或反例，将按照最小的值进行选取
String m_pos = "0"; //正例标记
String m_neg = "1"; //反例标记
String br_line1, br_line2, end;
int pos = 0, neg = 0, error = 0;
try {
//Please input the fasta file.
BufferedReader br = new BufferedReader(new FileReader(input_file_name));
BufferedReader br_main = new BufferedReader(new FileReader(input_file_name));
BufferedWriter bw_main = new BufferedWriter(new FileWriter("main.arff", true));
BufferedWriter bw_re = new BufferedWriter(new FileWriter("remain.arff", true));
//1. Count the number of pos, neg and error.
while (br.ready()) {
br_line1 = br.readLine();
if (br_line1 != null && br_line1.substring(0, 1).matches("[0-9]")) {
end = br_line1.substring(br_line1.lastIndexOf(",") + 1, br_line1.length());
if (end.equals(m_pos))
pos++;
else if (end.equals(m_neg))
neg++;
else
error++;
}
}
System.out.println("POS: " + pos);
System.out.println("NEG: " + neg);
System.out.println("ERROR: " + error);
//2. Get the minus number of instances.
int minNum = Math.min(Math.min(pos, neg), num);
//3. Choose random instance of pos and neg.
Random random = new Random();
boolean r_pos[] = new boolean[pos];
for (int i = 0; i < minNum;) {
int temp = random.nextInt(pos);
if (!r_pos[temp]) {
r_pos[temp] = true;
i++;
}
}
boolean r_neg[] = new boolean[neg];
for (int i = 0; i < minNum;) {
int temp = random.nextInt(neg);
if (!r_neg[temp]) {
r_neg[temp] = true;
i++;
}
}
//4. Integrate the pos and neg.
int i = 0, j = 0;
while (br_main.ready()) {
br_line2 = br_main.readLine();
if (br_line2 != null) {
if (!br_line2.substring(0, 1).matches("[0-9]")) {
bw_main.write(br_line2 + "\n");
bw_re.write(br_line2 + "\n");
} else {
end = br_line2.substring(br_line2.lastIndexOf(",") + 1, br_line2.length());
if (end.equals(m_pos)) {
if (r_pos[i] && i < pos) {
bw_main.write(br_line2 + "\n");
} else {
bw_re.write(br_line2 + "\n");
}
i++;
}
if (end.equals(m_neg)) {
if (r_neg[j] && j < neg) {
bw_main.write(br_line2 + "\n");
} else {
bw_re.write(br_line2 + "\n");
}
j++;
}
}
}
}
br.close();
br_main.close();
bw_main.close();
bw_re.close();
System.out.println("OK!");
} catch (Exception e) {
System.out.println("ERROR");
}
}
}

复制代码