Java中集成Weka 技术教程：从入门到工程实践

本文是一篇结构化的 Weka 机器学习库技术教程，涵盖简介、核心功能、API 说明、基础使用示例、完整可运行示例工程、业务场景实战、常见问题与最佳实践，以及 Weka 与其它 ML 库的关系定位。

[一、Weka 简介](#一、Weka 简介)
二、核心功能概览
[三、核心概念：Instances 关系型数据容器](#三、核心概念：Instances 关系型数据容器)
[四、Java 环境准备](#四、Java 环境准备)
[五、核心 API 说明](#五、核心 API 说明)
六、基础使用示例
七、完整可运行示例工程
八、业务场景实战
九、常见问题与最佳实践
[十、Weka 与其它 ML 库的关系](#十、Weka 与其它 ML 库的关系)
[附录：API 速查表](#附录：API 速查表)

一、Weka 简介

Weka（Waikato Environment for Knowledge Analysis） 是新西兰怀卡托大学开发、现属经典机器学习工作台的 Java 库，自带图形界面 Explorer，覆盖数据预处理、分类、回归、聚类、关联规则、可视化全流程。

1.1 关键认知

灵魂是 Instances ：一个「关系型」数据容器（列 = Attribute，行 = Instance），几乎所有 Weka 算法都以 Instances 为输入。
算法体系完备：J48（C4.5 决策树）、RandomForest、SMO（SVM）、IBk（KNN）、多层感知机等一应俱全。
自带 GUI Explorer ：java -cp weka.jar weka.gui.Main 可可视化探索数据、训练模型、看结果------教学与快速实验神器。
成熟稳定：3.8.x 是长期支持（LTS）分支，生态资料丰富。

1.2 资源

官网：https://www.cs.waikato.ac.nz/ml/weka/
文档：https://weka.sourceforge.io/doc.stable/
GitHub：https://github.com/Waikato/weka-3.8

注：

博客：

https://blog.csdn.net/badao_liumang_qizhi

二、核心功能概览

功能域	典型算法	核心类
分类	J48 决策树、RandomForest、SMO、IBk	`weka.classifiers.trees.J48`、`...bayes.NaiveBayes`
回归	线性回归、M5P	`weka.classifiers.functions.LinearRegression`
聚类	EM、SimpleKMeans	`weka.clusterers.SimpleKMeans`
评估	交叉验证、准确率、混淆矩阵	`weka.classifiers.Evaluation`
数据	ARFF/CSV 读写、属性定义	`weka.core.Instances`、`Attribute`、`DenseInstance`
可视化	Explorer 图形界面	`weka.gui.Main`

本工程演示J48 决策树分类 + 10 折交叉验证主线。

三、核心概念：Instances 关系型数据容器

概念	说明
`Attribute`	一列（属性）。数值型 `new Attribute("x1")`；名义型 `new Attribute("class", List<String>)`（类别值列表）。
`Instances`	数据集：由 `ArrayList<Attribute>` 定义列结构，再 `add(Instance)` 填充行。相当于一张关系表。
`Instance` / `DenseInstance`	一行：`new DenseInstance(weight, double[] vals)`，数组下标对应 `Attributes` 顺序。
`setClassIndex(idx)`	标记哪一列是「类别列」------监督学习必须设置（通常最后一列）。
`Classifier`	算法基类：`J48` 等继承它，统一 `buildClassifier(Instances)` / `classifyInstance(Instance)`。
`Evaluation`	评估器：`eval.crossValidateModel(cls, data, folds, Random)` 做交叉验证；`eval.pctCorrect()` 得正确率。
`setOptions`	Weka 算法普遍支持 `setOptions(String[])`，等价于 GUI 里勾选的参数。

四、Java 环境准备

4.1 依赖（Maven）

xml 复制代码

<properties>
    <java.version>17</java.version>
    <weka.version>3.8.6</weka.version>
</properties>

<dependencies>
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>

    <!-- Weka 核心（含全部经典算法 + GUI） -->
    <dependency>
        <groupId>nz.ac.waikato.cms.weka</groupId>
        <artifactId>weka-stable</artifactId>
        <version>${weka.version}</version>
        <exclusions>
            <!-- flatlaf 只是 GUI 外观，核心算法不依赖；排除后离线构建更干净 -->
            <exclusion>
                <groupId>com.formdev</groupId>
                <artifactId>flatlaf</artifactId>
            </exclusion>
        </exclusions>
    </dependency>

    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-test</artifactId>
        <scope>test</scope>
    </dependency>
    <dependency>
        <groupId>org.projectlombok</groupId>
        <artifactId>lombok</artifactId>
        <optional>true</optional>
    </dependency>
</dependencies>

本工程排除了 flatlaf（GUI 外观），核心算法（J48/Instances）不受影响；如需启动 GUI Explorer 可自行加回。

4.2 端口与应用名

src/main/resources/application.yml：

yaml 复制代码

server:
  port: 1001
spring:
  application:
    name: weka-demo
logging:
  level:
    com.badao: info

4.3 启动 GUI（可选，需桌面环境）

bash 复制代码

java -cp weka-stable-3.8.6.jar weka.gui.Main

五、核心 API 说明

5.1 定义属性与数据集

java 复制代码

ArrayList<Attribute> atts = new ArrayList<>();
atts.add(new Attribute("x1"));
atts.add(new Attribute("x2"));
ArrayList<String> classVals = new ArrayList<>();
classVals.add("A");
classVals.add("B");
atts.add(new Attribute("class", classVals));   // 名义型类别列

Instances data = new Instances("weka-demo", atts, 0);

5.2 填充样本（DenseInstance）

java 复制代码

Random rnd = new Random(42);
for (int i = 0; i < 200; i++) {
    boolean pos = i < 100;
    double cx = pos ? 2.0 : -2.0;
    double[] vals = new double[data.numAttributes()];
    vals[0] = cx + rnd.nextGaussian() * 0.6;
    vals[1] = cx + rnd.nextGaussian() * 0.6;
    vals[2] = pos ? 0.0 : 1.0;          // 名义类别取「索引值」而非字符串
    data.add(new DenseInstance(1.0, vals));
}
data.setClassIndex(data.numAttributes() - 1);   // 最后一列是类别

5.3 训练 J48 + 交叉验证

java 复制代码

J48 cls = new J48();
cls.setOptions(new String[]{"-C", "0.25", "-M", "2"});   // 置信因子 / 最小样本数
cls.buildClassifier(data);

Evaluation eval = new Evaluation(data);
eval.crossValidateModel(cls, data, 10, new Random(1));     // 10 折
System.out.println("正确率=" + eval.pctCorrect());

5.4 读取 ARFF 文件（常见用法）

java 复制代码

Instances data = new Instances(new BufferedReader(new FileReader("data.arff")));
data.setClassIndex(data.numAttributes() - 1);

六、基础使用示例

6.1 J48 决策树分类（最小可用）

java 复制代码

ArrayList<Attribute> atts = new ArrayList<>();
atts.add(new Attribute("x1"));
atts.add(new Attribute("x2"));
ArrayList<String> cv = new ArrayList<>(); cv.add("A"); cv.add("B");
atts.add(new Attribute("class", cv));
Instances data = new Instances("demo", atts, 0);
Random rnd = new Random(42);
for (int i = 0; i < 200; i++) {
    boolean pos = i < 100;
    double cx = pos ? 2.0 : -2.0;
    double[] v = new double[3];
    v[0] = cx + rnd.nextGaussian() * 0.6;
    v[1] = cx + rnd.nextGaussian() * 0.6;
    v[2] = pos ? 0.0 : 1.0;
    data.add(new DenseInstance(1.0, v));
}
data.setClassIndex(2);

J48 j48 = new J48();
j48.buildClassifier(data);
Evaluation eval = new Evaluation(data);
eval.crossValidateModel(j48, data, 10, new Random(1));
System.out.println("正确率=" + eval.pctCorrect());

七、完整可运行示例工程

工程目录：

复制代码

wekaDemo/
├── pom.xml
├── src/main/java/com/badao/demo/
│   ├── DemoApplication.java
│   ├── config/WekaConfig.java               # 就绪日志 + GUI 启动提示
│   ├── service/WekaService.java            # J48 分类 + 10折交叉验证
│   └── controller/WekaController.java
└── src/test/java/com/badao/demo/WekaAllFeatureTest.java

7.1 启动类

java 复制代码

package com.badao.demo;

import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;

@SpringBootApplication
public class DemoApplication {
    public static void main(String[] args) {
        SpringApplication.run(DemoApplication.class, args);
    }
}

7.2 配置（就绪 + GUI 提示）

java 复制代码

package com.badao.demo.config;

import lombok.extern.slf4j.Slf4j;
import org.springframework.context.annotation.Configuration;
import jakarta.annotation.PostConstruct;

@Slf4j
@Configuration
public class WekaConfig {
    @PostConstruct
    public void init() {
        log.info("Weka 经典 ML 工作台已就绪（纯 JVM；启动 GUI: java -cp weka.jar weka.gui.Main）");
    }
}

7.3 核心 Service（J48 + 交叉验证）

java 复制代码

package com.badao.demo.service;

import lombok.extern.slf4j.Slf4j;
import org.springframework.stereotype.Service;
import weka.classifiers.Evaluation;
import weka.classifiers.trees.J48;
import weka.core.Attribute;
import weka.core.DenseInstance;
import weka.core.Instances;

import java.util.ArrayList;
import java.util.Random;

@Slf4j
@Service
public class WekaService {

    public String info() {
        return "Weka 3.8.6 经典机器学习工作台（纯 JVM，自带 GUI Explorer；适合 ML 全流程入门）";
    }

    public String classifyJ48() throws Exception {
        // 1) 定义属性：两个数值特征 + 一个名义类别（A/B）
        ArrayList<Attribute> atts = new ArrayList<>();
        atts.add(new Attribute("x1"));
        atts.add(new Attribute("x2"));
        ArrayList<String> classVals = new ArrayList<>();
        classVals.add("A");
        classVals.add("B");
        atts.add(new Attribute("class", classVals));

        // 2) 构造数据集并填充样本（两个线性可分的高斯团）
        Instances data = new Instances("weka-demo", atts, 0);
        Random rnd = new Random(42);
        for (int i = 0; i < 200; i++) {
            boolean pos = i < 100;
            double cx = pos ? 2.0 : -2.0;
            double[] vals = new double[data.numAttributes()];
            vals[0] = cx + rnd.nextGaussian() * 0.6;
            vals[1] = cx + rnd.nextGaussian() * 0.6;
            vals[2] = pos ? 0.0 : 1.0;           // 类别列取名义值索引
            data.add(new DenseInstance(1.0, vals));
        }
        data.setClassIndex(data.numAttributes() - 1);

        // 3) 训练 J48（C4.5）
        J48 cls = new J48();
        cls.setOptions(new String[]{"-C", "0.25", "-M", "2"});
        cls.buildClassifier(data);

        // 4) 10 折交叉验证评估
        Evaluation eval = new Evaluation(data);
        eval.crossValidateModel(cls, data, 10, new Random(1));

        return String.format("J48 决策树（10 折交叉验证）：正确率 %.2f%%\n摘要:\n%s",
                eval.pctCorrect(), eval.toSummaryString());
    }
}

7.4 HTTP 演示接口

java 复制代码

package com.badao.demo.controller;

import com.badao.demo.service.WekaService;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.*;

import java.util.HashMap;
import java.util.Map;

@RestController
@RequestMapping("/weka")
public class WekaController {

    @Autowired
    private WekaService wekaService;

    @GetMapping("/info")      public Map<String, Object> info()    { return wrap(wekaService::info); }
    @GetMapping("/classify")  public Map<String, Object> classify(){ return wrap(wekaService::classifyJ48); }

    private Map<String, Object> wrap(Op op) {
        Map<String, Object> resp = new HashMap<>();
        try {
            resp.put("success", true);
            resp.put("message", op.run());
        } catch (Exception e) {
            resp.put("success", false);
            resp.put("message", e.getMessage());
        }
        return resp;
    }

    @FunctionalInterface
    private interface Op { String run() throws Exception; }
}

7.5 运行与调用

bash 复制代码

cd wekaDemo
mvn compile
mvn spring-boot:run          # 端口 1001

curl "http://localhost:1001/weka/info"
curl "http://localhost:1001/weka/classify"

7.6 单元测试

全部用例纯内存、无网络/无原生依赖，mvn test 直接 BUILD SUCCESS（输出打印正确率与摘要）。

八、业务场景实战

8.1 场景一：客户流失预测（决策树可解释分类）

业务：电信运营商用 J48 决策树预测客户是否流失，并看树结构解释原因（年龄/套餐/投诉次数）。

java 复制代码

// 数值特征 + 名义类别("churn"/"stay") -> Instances
J48 tree = new J48();
tree.setOptions(new String[]{"-C", "0.25", "-M", "2"});
tree.buildClassifier(data);
System.out.println(tree);          // 直接打印决策树规则，可解释性强
// 业务方可读：if 投诉次数>3 and 套餐=低端 -> 流失概率高

8.2 场景二：医疗/风控可解释建模

业务：对「可解释性」要求高的行业，用 J48 而非黑盒模型，输出可读规则供人工复核。

java 复制代码

Evaluation eval = new Evaluation(data);
eval.crossValidateModel(tree, data, 10, new Random(1));
System.out.println(eval.toSummaryString());
System.out.println(eval.toMatrixString());   // 混淆矩阵

8.3 场景三：ARFF 数据集快速实验（Explorer GUI）

业务：数据科学家把 CSV 转 ARFF，丢进 Explorer 拖选算法、看结果，不必写代码。

bash 复制代码

# CSV -> ARFF 可用 Weka 的 converters，或代码：
Instances data = new Instances(new BufferedReader(new FileReader("data.arff")));
data.setClassIndex(data.numAttributes() - 1);
# 然后启动 GUI: java -cp weka-stable-3.8.6.jar weka.gui.Main

8.4 场景四：模型参数网格搜索（setOptions）

业务：调 J48 的置信因子 -C 与最小样本数 -M，找最优泛化配置。

java 复制代码

for (double c = 0.1; c <= 0.5; c += 0.1) {
    J48 j = new J48();
    j.setOptions(new String[]{"-C", String.valueOf(c), "-M", "2"});
    j.buildClassifier(data);
    Evaluation e = new Evaluation(data);
    e.crossValidateModel(j, data, 10, new Random(1));
    System.out.println("C=" + c + " acc=" + e.pctCorrect());
}

8.5 场景五：批量预测新数据

java 复制代码

// 训练后对新样本 classifyInstance
for (Instance inst : newData) {
    double predIdx = tree.classifyInstance(inst);     // 返回类别索引
    String label = newData.classAttribute().value((int) predIdx);
}

九、常见问题与最佳实践

现象	原因 / 解决
`Exception: class index is negative`	忘记 `data.setClassIndex(...)`；监督学习必须标记类别列。
名义类别填充报错	`DenseInstance` 的类别值填索引（0/1），不是字符串；字符串用 `Instance.setValue(attr, "A")`。
GUI 启动报 flatlaf 缺失	本工程排除了 flatlaf；加回依赖即可 `java -cp weka.jar weka.gui.Main`。
中文属性名乱码	ARFF 文件用 UTF-8 且首行声明 `@relation`；建议属性名用英文。
交叉验证结果抖动	固定 `Random(seed)`，保证可复现。

最佳实践：

务必 setClassIndex：这是 Weka 最常见的坑。
名义值用索引 ：DenseInstance(double[]) 里名义列填索引；更安全的写法是 inst.setValue(attr, "A")。
优先 GUI 探索：建模前期用 Explorer 试算法、看指标，比直接写代码快。
可解释优先选 J48：对审计/业务解释要求高的场景，决策树优于黑盒。

十、Weka 与其它 ML 库的关系

复制代码

   Java 三大经典 ML 库
   ┌─────────┬─────────┬─────────┐
   │ Smile   │ Weka    │ Tribuo  │
   │ 函数式  │ GUI工作台│ 类型安全│
   │ 易读源码│ 全流程   │ 泛型约束│
   └─────────┴─────────┴─────────┘

Weka：GUI 探索 + 全流程算法，教学与快速实验首选，决策树可解释性强。
Smile：API 简洁，适合嵌入服务、学算法。
Tribuo：类型安全，适合工程化强约束生产。
三者均属「经典 ML」，与「深度学习」DJL/DeepLearning4J 互补。

附录：API 速查表

能力	核心 API	关键要点
数值属性	`new Attribute("x1")`	单列数值
名义属性	`new Attribute("class", List<String>)`	类别值列表
数据集	`new Instances(name, atts, capacity)`	关系型容器
样本行	`new DenseInstance(weight, double[])`	下标对齐 Attributes
设类别列	`data.setClassIndex(idx)`	监督学习必设
决策树	`new J48().buildClassifier(data)`	C4.5 实现
设参数	`cls.setOptions(new String[]{...})`	等价 GUI 勾选
评估	`new Evaluation(data).crossValidateModel(cls, data, folds, rnd)`	交叉验证
正确率	`eval.pctCorrect()`	百分比
读 ARFF	`new Instances(new BufferedReader(new FileReader("x.arff")))`	常见数据入口

通用范式：

java 复制代码

// 1) 定义 Attributes -> 2) 构造 Instances -> 3) add DenseInstance -> 4) setClassIndex
// 5) buildClassifier -> 6) Evaluation.crossValidateModel
Instances data = new Instances("demo", atts, 0);
// ... add rows ...
data.setClassIndex(data.numAttributes() - 1);
J48 cls = new J48();
cls.buildClassifier(data);
Evaluation eval = new Evaluation(data);
eval.crossValidateModel(cls, data, 10, new Random(1));