如何将Weka的Instance实例关联绑定到自定义业务对象

Weka本身没有提供直接给Instance绑定外部自定义业务对象的原生挂载接口，不用魔改源码，有两种成熟方案可以解决关联问题：

方案1：新增独立ID属性（最推荐，全场景兼容） #

这是Weka用户最常用的标准做法，完全走框架原生能力，不会有兼容问题：

• 构建Instances属性集的时候，在属性列表最前面加一个专门存唯一标识的属性（数值、字符串类型都可以），存每个业务对象的主键，或者原始对象列表里的顺序序号
• 配置距离函数的时候把这个ID属性排除在计算范围外就行，完全不会影响KNN的距离计算结果。你现在写的EuclideanDistance配置里setAttributeIndices("2-last")刚好适配这个方案——只要把ID属性放在第0位，距离计算就会自动跳过这个字段，和你现有配置无缝衔接
• 拿到KNN返回的近邻实例之后，直接读实例里存的ID值，就能和你原始的Ticket列表做匹配。

修改后的数据集构建核心代码：

public static Instances createWekaInstances(List<Ticket> tickets, String name) {
    // 首位加ID属性，不参与距离计算
    Attribute id = new Attribute("ticket_id");
    Attribute x = new Attribute("x"); //sqrt of row pos
    Attribute y = new Attribute("y"); // section cv
    ArrayList<Attribute> attributes = new ArrayList<Attribute>();
    attributes.add(id);
    attributes.add(x);
    attributes.add(y);
    Instances ticketInstances = new Instances(name, attributes, 0);
    ticketInstances.setClassIndex(ticketInstances.numAttributes() - 1);

    for (Ticket ticket : tickets) {
        Instance inst = new DenseInstance(ticketInstances.numAttributes());
        inst.setDataset(ticketInstances);
        // 写入业务对象的唯一标识
        inst.setValue(id, ticket.getId());
        inst.setValue(x, Math.sqrt(ticket.getRowPosition()));
        inst.setValue(y, ticket.getSectionCVS());
        ticketInstances.add(inst);
    }
    return ticketInstances;
}

方案2：通过实例索引映射（零属性侵入） #

如果不想给数据集加额外字段，可以直接靠实例位置做映射：

• 构建Instances的时候，实例插入的顺序和传入的原始tickets列表顺序是严格一一对应的
• 拿到KNN返回的近邻实例后，别直接用它在返回的neighbors结果集里的索引，要调用原始数据集的ticketInstances.indexOf(neighborInst)方法，查到这个实例在原始数据集里的位置，这个位置和tickets列表里的元素位置是一一对应的，直接取同位置的Ticket对象就行
• 注意这个方案只适合数据集构建完之后不做删改、重排、过滤的场景，一旦对原始Instances做过排序、删实例操作，索引映射关系就会失效。

踩坑提醒：别想着继承DenseInstance加自定义字段来挂业务对象，Weka在构建BallTree、计算距离的流程里会做实例拷贝，自定义的非框架字段不会被复制，运行过程中会出现数据丢失问题。

你现在用的BallTree配置本身没问题，配合上面任意一种映射方案，就能解决近邻结果没法关联原始业务对象的问题。

内容的提问来源于stack exchange，提问作者Daniel