私はmachine learning book, written by Boštjan Kaluža, Pact publishingを研究しています。Wekaのコードを理解する
コードの簡単な定義を以下に示します。
領域を曇り、そのような表面、壁および屋根領域としてその構造 特性に基づいて、建物の加熱および冷却負荷 要件、高さを調査することを目的とcompactness.Theの研究者が使用するコードシミュレータを設計する12 異なる建物構成1835 特性。私たちの第一の目標は、各建物の特性変数である の影響を体系的に分析することです。それは であり、暖房または冷房負荷です。推定には線形回帰 モデルを使用します。線形回帰モデルは、 負荷を推定する入力変数を線形結合した関数 を構築しました。
コードである:コードで
public static void main(String[] args) throws Exception {
BufferedReader br = new BufferedReader(new InputStreamReader(System.in));
System.out.print("Enter the path of the data file:");
String s = br.readLine();
// load CSV
CSVLoader loader = new CSVLoader();
loader.setSource(new File(s));
Instances data = loader.getDataSet();
//We will start with learning a model for heating load by setting the class
//attribute at the feature position
data.setClassIndex(data.numAttributes() - 1);
//The second target variable—cooling load—can be now removed:
Remove remove = new Remove();
remove.setOptions(new String[]{"-R", data.numAttributes()+""});
remove.setInputFormat(data);
data = Filter.useFilter(data, remove);
data.setClassIndex(data.numAttributes() - 1);
LinearRegression model = new LinearRegression();
model.buildClassifier(data);
System.out.println(model);
}
、我々は、「第二のターゲット変数冷却負荷」を削除しました。私が尋ねたい質問は、なぜ私たちはこれをやったのですか?前もって感謝します。