Weka多层感知器模型CSV输出异常及CSVSaver报错求助

问题描述 #

我用Java结合Weka构建多层感知器模型，代码如下：

import java.io.BufferedWriter;
import java.io.FileWriter;
import java.util.ArrayList;

import weka.classifiers.Evaluation;
import weka.classifiers.functions.MultilayerPerceptron;
import weka.classifiers.evaluation.Prediction;
import weka.core.Instances;
import weka.core.converters.ConverterUtils.DataSource;

public class multiLayerExample {
    public static void main(String[] args) throws Exception {

        String filename = "../train.arff";
        DataSource source = new DataSource(filename);
        Instances train = source.getDataSet();
        int cid1 = train.numAttributes() - 1;
        train.setClassIndex(cid1);
        
        Instances validation = DataSource.read("../validation.arff");
        int cid2 = validation.numAttributes() - 1;
        validation.setClassIndex(cid2);

        Instances test = DataSource.read("../test1.arff");
        int cid3 = test.numAttributes() - 1;
        test.setClassIndex(cid3);

        MultilayerPerceptron mlp = new MultilayerPerceptron();
        mlp.buildClassifier(train);

        Evaluation eval = new Evaluation(train);
        eval.evaluateModel(mlp, validation);
        System.out.println(eval.toSummaryString("\nResults_MLP\n\n", false));
    //  System.out.println(eval.toClassDetailsString());
    //  System.out.println(eval.toMatrixString());

        ArrayList<Prediction> predictions = eval.predictions();
        ArrayList<String[]> predList = new ArrayList<String[]>(predictions.size());
        for (int i = 0; i < predictions.size(); i++) {
            String[] s = new String[1];
            s[0] = predictions.get(i).toString();
            s[0] = s[0].substring(9, 11);
            predList.add(s);
            System.out.println(s);
        }
        ArrayList<String[]> li = new ArrayList<String[]>(predictions.size());
        li.addAll(predList);
         
        System.out.println(li.addAll(predList));
//      String csv = "../output.csv";
//      CSVSaver writer = new CSVSaver(new FileWriter(csv));
//
//      writer.writeAll(li);
//      writer.close();
//      
        //Storing again in csv
        BufferedWriter writer1 = new BufferedWriter(
        new FileWriter("../output.csv"));
        System.out.print(li);
        writer1.write(li.toString());
        writer1.newLine();
        writer1.flush();
        writer1.close();
    }
}

遇到两个问题：

1. 使用CSVSaver writer = new CSVSaver(new FileWriter(csv));时，报错“CSVSaver cannot be resolved to a type”；
2. 改用BufferedWriter写入CSV时，文件输出的是不可读的对象地址格式内容。

需要将数值型预测结果正确写入输出文件。

问题1：CSVSaver无法识别的解决 #

原因 #

• 未导入Weka的CSVSaver类；
• Weka的CSVSaver并不支持直接写入ArrayList<String[]>，它主要用于处理Instances对象。

解决步骤 #

1. 添加导入语句：

import weka.core.converters.CSVSaver;
import java.io.File;

2. 若要通过CSVSaver导出结果，需先将预测值封装为Instances对象，但这种方式不如直接用BufferedWriter灵活，更推荐采用问题2的优化方案。

问题2：BufferedWriter输出对象地址的解决 #

原因 #

li.toString()会调用ArrayList的默认toString方法，而列表中的元素是String[]数组，数组的toString会输出其内存地址（如[Ljava.lang.String;@xxxxxxx），而非数组内的实际内容。此外，你用substring(9,11)截取预测值的方式不稳定，容易因Prediction.toString()格式变化导致错误。

解决步骤 #

直接遍历Prediction集合获取预测数值，逐行写入CSV文件，避免中间数组层的冗余。

修正后的完整代码 #

import java.io.BufferedWriter;
import java.io.FileWriter;
import java.util.ArrayList;

import weka.classifiers.Evaluation;
import weka.classifiers.functions.MultilayerPerceptron;
import weka.classifiers.evaluation.Prediction;
import weka.core.Instances;
import weka.core.converters.ConverterUtils.DataSource;

public class multiLayerExample {
    public static void main(String[] args) throws Exception {

        String filename = "../train.arff";
        DataSource source = new DataSource(filename);
        Instances train = source.getDataSet();
        int cid1 = train.numAttributes() - 1;
        train.setClassIndex(cid1);
        
        Instances validation = DataSource.read("../validation.arff");
        int cid2 = validation.numAttributes() - 1;
        validation.setClassIndex(cid2);

        Instances test = DataSource.read("../test1.arff");
        int cid3 = test.numAttributes() - 1;
        test.setClassIndex(cid3);

        MultilayerPerceptron mlp = new MultilayerPerceptron();
        mlp.buildClassifier(train);

        Evaluation eval = new Evaluation(train);
        eval.evaluateModel(mlp, validation);
        System.out.println(eval.toSummaryString("\nResults_MLP\n\n", false));

        ArrayList<Prediction> predictions = eval.predictions();
        String csvPath = "../output.csv";
        
        // 使用BufferedWriter正确写入预测结果
        try (BufferedWriter writer = new BufferedWriter(new FileWriter(csvPath))) {
            // 写入表头（可选）
            writer.write("Predicted_Value");
            writer.newLine();
            
            for (Prediction pred : predictions) {
                // 直接获取预测数值，替代不稳定的字符串截取
                double predictedValue = pred.predicted();
                // 若为分类任务，可获取对应标签：train.classAttribute().value((int) predictedValue)
                writer.write(String.valueOf(predictedValue));
                writer.newLine();
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

关键优化点 #

1. 移除了冗余的ArrayList<String[]>中间层，直接操作Prediction集合；
2. 使用pred.predicted()直接获取预测数值，避免字符串截取的潜在错误；
3. 采用try-with-resources语法自动关闭流，防止资源泄漏；
4. 添加可选表头，让CSV文件更易读。

内容的提问来源于stack exchange，提问作者Micmac