如何用训练好的Random Forest分类无标签ARFF文件并解决异常？

通过提取6波段图像的感兴趣区域及对应坐标标签，创建了带class属性的agricultural.data ARFF数据集：

@RELATION agricultural.data

@attribute band0 numeric
@attribute band1 numeric
@attribute band3 numeric
@attribute band4 numeric
@attribute band5 numeric
@attribute band6 numeric
@attribute class {1,2,3,4,5,6,7,8,9}

@data
-10.95659,-7.61896,-9.8674499,-9.118701,-8.620638,-12.699167,5
...
-9.172866,-9.814803,-10.693634,-13.313326,-8.568673,-12.355089,3

使用该数据集训练Random Forest模型后结果符合预期。

另有一个无class属性的agricultural.data.fullimage ARFF数据集（由完整图像逐行生成）：

@RELATION agricultural.data.fullimage

@attribute band0 numeric
@attribute band1 numeric
@attribute band3 numeric
@attribute band4 numeric
@attribute band5 numeric
@attribute band6 numeric

@data
-9.261405,-7.302625,-10.753542,-8.018068,-7.776727,-12.878252
...
-9.188496,-10.676176,-14.194083,-9.687324,-9.785445,-12.490084

尝试对该数据集分类以实现图像分割，编写代码如下：

FilteredClassifier fc = new FilteredClassifier();
fc.setClassifier(myRandomForestTrainedModel);

for(int pixel=0;pixel < ncols;pixel++) {
    double prediction;
    /**Some edge case handling**/
    prediction = fc.classifyInstance(data.instance(pixel)); //Each data here is a row in the image which I create an ARFF file for
    byteLinePrediction[pixel] = (byte)Math.floor(prediction+0.5);
} 

调用classifyInstance时抛出异常：

weka.core.UnassignedClassException: weka.classifiers.meta.FilteredClassifier: Class attribute not set!

无需评估模型性能，仅需生成分割图像，需解决该异常。

方案1：直接使用训练好的Random Forest模型（推荐） #

如果训练阶段未使用FilteredClassifier，无需额外包裹该类，直接用已训练好的myRandomForestTrainedModel进行分类即可，代码修改如下：

for(int pixel=0;pixel < ncols;pixel++) {
    double prediction;
    /**Some edge case handling**/
    // 直接调用训练好的Random Forest模型的classifyInstance方法
    prediction = myRandomForestTrainedModel.classifyInstance(data.instance(pixel));
    byteLinePrediction[pixel] = (byte)Math.floor(prediction+0.5);
}

训练好的Random Forest模型已保存了特征与类别映射关系，只要测试数据集的特征顺序、类型与训练集完全一致（本例中6个波段特征完全匹配），即可直接完成分类，无需额外设置类别属性。

方案2：保留FilteredClassifier并设置类别属性 #

若必须使用FilteredClassifier，需给测试数据集添加与训练集一致的class属性，并设置类别索引，代码示例如下：

import weka.core.Attribute;
import java.util.Arrays;

// 假设data是加载好的测试数据集
// 添加与训练集一致的class属性
Attribute classAttribute = new Attribute("class", Arrays.asList("1","2","3","4","5","6","7","8","9"));
// 将class属性插入到数据集最后一列
data.insertAttributeAt(classAttribute, data.numAttributes());
// 设置数据集的类别索引为最后一列
data.setClassIndex(data.numAttributes() - 1);

// 初始化FilteredClassifier并设置模型
FilteredClassifier fc = new FilteredClassifier();
fc.setClassifier(myRandomForestTrainedModel);
// 若训练时使用了Filter，需在此同步设置相同的Filter，否则可省略此步
// fc.setFilter(yourTrainingFilter);

// 执行分类
for(int pixel=0;pixel < ncols;pixel++) {
    double prediction;
    /**Some edge case handling**/
    prediction = fc.classifyInstance(data.instance(pixel));
    byteLinePrediction[pixel] = (byte)Math.floor(prediction+0.5);
}

FilteredClassifier要求明确知晓数据集的类别属性位置，通过添加class属性并设置索引，可满足其运行要求。

内容的提问来源于stack exchange，提问作者Tarun Maganti