Javaで機械学習したくない？

機械学習といえばPythonって風潮ですが、Javaが得意な人は、今更Python学ぶのかなという気持ちになるでしょう。できれば、得意なJavaで機械学習できたら嬉しいですね。自分が開発したソフトに組み込めるし。

そんなことで、機械学習エンジンのWekaのAPIで色々と試してみようということで書き始めたいと思います。(間違いがあったらご指摘お願いします)

まずは、数値データの推測からはじめます。

こちらの書籍(機械学習コレクション Weka入門) https://www.amazon.co.jp/%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E3%82%B3%E3%83%AC%E3%82%AF%E3%82%B7%E3%83%A7%E3%83%B3-Weka%E5%85%A5%E9%96%80-I%E3%83%BB-BOOKS-%E5%92%8C%E7%94%B0/dp/4777520889 に出ているサンプルをAPIを使ってやってみることにしましょう。

CSVデータは以下の通り。末尾から2行目の売上が「?」となっています。これを推測してみます。test.csvとでもしましょうか。

弁当,レジ前,スイーツ類,コーヒー類,その他,売上
8,8,9,8,8,55
8,7,8,9,8,57
7,6,7,6,6,43
8,7,8,7,6,47
4,6,5,6,4,36
4,5,6,5,5,37
6,6,7,6,4,39
5,6,7,6,5,40
5,6,7,6,5,40
5,6,7,6,5,40
6,6,7,7,5,42
6,7,8,8,7,46
8,7,7,8,8,48
9,7,8,7,8,52
3,4,4,4,5,30
3,6,4,4,4,33
3,5,6,4,3,34
3,4,6,4,4,?
10,9,10,9,7,60

mini-weka

Wekaをそのまま利用してもいいのですが、GUIを使わないならば、mini-wekaでもOKだと思います。( https://github.com/fracpete/mini-weka )

APIを利用してみる

package example20220110;

import java.io.File;
import java.io.IOException;
import weka.classifiers.Classifier;
import weka.classifiers.evaluation.output.prediction.AbstractOutput;
import weka.classifiers.evaluation.output.prediction.CSV;
import weka.classifiers.evaluation.output.prediction.HTML;
import weka.classifiers.evaluation.output.prediction.PlainText;
import weka.classifiers.functions.MultilayerPerceptron;
import weka.core.Instances;
import weka.core.converters.CSVLoader;

public class Main {

    public static void main(String[] argv) throws Exception {
        Main myWeka = new Main();
        myWeka.run();
    }

    void run() throws IOException, Exception {
        CSVLoader loader = new CSVLoader();
        loader.setSource(new File("test.csv"));
        Instances tr = loader.getDataSet();
        // 多層パーセプトロン(ニューラルネットワークを利用)
        MultilayerPerceptron mp = new MultilayerPerceptron();

        // ランダムフォレストにしたければ以下のようにする
        // RandomForest mp = new RandomForest();

        // デフォルトに近いオプション
        mp.setOptions(new String[]{"-L", "0.3", "-M", "0.2", "-N", "500", "-V", "0", "-S", "0", "-E", "20", "-H", "a"});
        PrintPredict pp = new PrintPredict();
        System.out.println("---PLAIN---");
        System.out.println(pp.getPlainText(mp, tr));
        System.out.println("---CSV---");
        System.out.println(pp.getCSV(mp, tr));
    }

    class PrintPredict {

        private String Output(Classifier cls, Instances instances, AbstractOutput output) {
            try {
                instances.setClassIndex(instances.numAttributes() - 1);
                cls.buildClassifier(instances);
                StringBuffer writer = new StringBuffer();
                output.setBuffer(writer);
                output.setHeader(instances);
                output.printClassifications(cls, instances);
                return writer.toString();
            } catch (Exception e) {
                return e.getMessage();
            }
        }

        String getPlainText(Classifier cls, Instances instances) {
            PlainText output = new PlainText();
            return Output(cls, instances, output);
        }

        String getCSV(Classifier cls, Instances instances) {
            CSV output = new CSV();
            return Output(cls, instances, output);
        }

        String getHTML(Classifier cls, Instances instances) {
            HTML output = new HTML();
            return Output(cls, instances, output);
        }

    }
}

出力

---PLAIN---
        1     55         53.92      -1.08  
        2     57         55.332     -1.668 
        3     43         41.299     -1.701 
        4     47         45.9       -1.1   
        5     36         34.783     -1.217 
        6     37         34.776     -2.224 
        7     39         39.444      0.444 
        8     40         38.792     -1.208 
        9     40         38.792     -1.208 
       10     40         38.792     -1.208 
       11     42         40.724     -1.276 
       12     46         46.396      0.396 
       13     48         47.158     -0.842 
       14     52         51.856     -0.144 
       15     30         29.172     -0.828 
       16     33         31.837     -1.163 
       17     34         34.147      0.147 
       18          ?     32.867          ? 
       19     60         58.724     -1.276 

---CSV---
1,55,53.92,-1.08
2,57,55.332,-1.668
3,43,41.299,-1.701
4,47,45.9,-1.1
5,36,34.783,-1.217
6,37,34.776,-2.224
7,39,39.444,0.444
8,40,38.792,-1.208
9,40,38.792,-1.208
10,40,38.792,-1.208
11,42,40.724,-1.276
12,46,46.396,0.396
13,48,47.158,-0.842
14,52,51.856,-0.144
15,30,29.172,-0.828
16,33,31.837,-1.163
17,34,34.147,0.147
18,?,32.867,?
19,60,58.724,-1.276

32.867と推測されたようです。