Weka3.6.10加载MultilayerPerceptron模型单实例分类返回值异常咨询

核心现象 #

使用3.6.10版本weka.jar训练得到MultilayerPerceptron模型并保存到本地，编写Java代码加载模型对单条加速度样本分类，输入样本值为-1.18,12.76,1.7297841（对应训练集中的Upstairs类样本），代码运行后控制台输出3.0，无法理解该数值的实际含义，不确定代码实现是否存在遗漏。

问题本质 #

首先明确Weka分类API的基础设计规则：

• classifyInstance()方法在分类任务下，不会直接返回类别的字符串名称，只会返回目标类别在枚举值列表中的索引值，索引从0开始计数，用double类型存储是Weka底层对所有属性值的统一存储规范（标称型属性的存储本质就是枚举值序号对应的数值）。
• 分类模型加载和推理时，要求待分类实例关联的元数据（属性名称、属性顺序、标称值枚举顺序、类属性位置）必须和模型训练时的元数据完全一致，否则会出现属性值错位匹配，推理结果完全失真。

代码存在的具体错漏 #

对比训练用的ARFF格式和代码构造的实例元数据，存在三处不匹配：

1. 类属性的枚举值顺序完全错位
   训练ARFF中定义的class枚举值顺序为：Upstairs, Downstairs, Walking, Jogging, Sitting，对应索引为0:Upstairs、1:Downstairs、2:Walking、3:Jogging、4:Sitting。
   但代码中构造枚举值的顺序为：Walking, Jogging, Downstairs, Sitting, Upstairs，和训练顺序完全不一致。
2. 类属性名称不匹配
   训练ARFF中类属性名为class，代码中定义的类属性名为@@class@@，虽然部分场景下不影响运行，但会导致元数据校验不通过的潜在风险。
3. 未显式声明类属性位置
   代码构造完Instances结构后，没有显式指定哪个属性是目标分类的类属性，虽然Weka默认会把最后一个属性识别为类属性，但在元数据已经错位的场景下，会进一步加剧属性匹配错误。

代码输出的3.0本质是模型基于错位的元数据匹配输入值后，返回的类值索引，在代码自身构造的错误枚举列表里，这个索引对应的是Sitting，和样本真实归属的Upstairs完全不符。

修正后的实现要点 #

1. 构造属性列表时，严格对齐训练ARFF的属性顺序、属性名称、类值枚举顺序
2. 构造完Instances对象后，显式调用setClassIndex指定类属性位置
3. 拿到分类返回的double索引值后，通过类属性的value()方法转换为可读的类别字符串

修正后的核心代码片段 #

// 严格按照ARFF顺序构造属性列表
FastVector attributeList = new FastVector();
Attribute x_acc= new Attribute("x_acc");
Attribute y_acc= new Attribute("y_acc");
Attribute z_acc= new Attribute("z_acc");

// 类值顺序完全和ARFF保持一致
FastVector classVal = new FastVector();
classVal.addElement("Upstairs");
classVal.addElement("Downstairs");
classVal.addElement("Walking");
classVal.addElement("Jogging");
classVal.addElement("Sitting");

attributeList.addElement(x_acc);
attributeList.addElement(y_acc);
attributeList.addElement(z_acc);
// 类属性名和ARFF保持一致
attributeList.addElement(new Attribute("class",classVal));

Instances data = new Instances("TestInstances",attributeList,0);
// 显式指定最后一个属性为类属性
data.setClassIndex(data.numAttributes() - 1);

// 构造单条实例
inst_co = new SparseInstance(data.numAttributes());
data.add(inst_co);
inst_co.setValue(x_acc, -1.18);
inst_co.setValue(y_acc, 12.76);
inst_co.setValue(z_acc, 1.7297841);

// 加载模型推理
Classifier cls_co = (MultilayerPerceptron) SerializationHelper
        .read("/Users/ALL-TECH/Desktop/Sensors application/FewDataGenerated/model.model");
double resultIndex = cls_co.classifyInstance(inst_co);
// 将索引转换为可读类别
String predictClass = data.classAttribute().value((int) resultIndex);
System.out.println(predictClass);

额外注意事项 #

• 3.6.10版本Weka中FastVector是构造元数据的标准API，升级到高版本Weka后需要替换为ArrayList实现，否则会出现API不兼容问题。
• 模型推理时不需要手动给实例设置类别的值，只需要给所有输入属性赋值即可，Weka会自动把类属性的位置留空用于预测。
• 更稳妥的元数据对齐方案：加载序列化模型后，直接通过模型自带的getTrainingHeader()方法获取训练时的标准元数据结构，用这个结构构造待分类实例，从根源上避免手工构造元数据出现顺序、名称、枚举值错位的问题，参考实现：

  Classifier cls = (Classifier) SerializationHelper.read(modelPath);
  // 获取模型内置的训练元数据
  Instances modelHeader = cls.getTrainingHeader();
  // 用标准元数据构造实例
  Instance inst = new SparseInstance(modelHeader.numAttributes());
  // 按照属性在元数据中的索引赋值
  inst.setValue(0, -1.18);
  inst.setValue(1, 12.76);
  inst.setValue(2, 1.7297841);
  // 将实例绑定到标准元数据集上
  inst.setDataset(modelHeader);
  double predictIdx = cls.classifyInstance(inst);
  String predictClass = modelHeader.classAttribute().value((int)predictIdx);
  

内容的提问来源于stack exchange，提问作者ILii