Weka linear regression не загружается

Question

Я слежу за this учебником по использованию WEKA, и я достиг точки, в которой мой код не будет работать. Я понимаю, что я использую другую версию Weka 3.8, а не 3.6, как показано в учебнике, но я думал, что внес необходимые изменения. Я получаю сообщение об ошибке в строке linearRegression.buildClassifier(dataset);, и я не знаю почему.

Сообщение об ошибке:

Jul 19, 2016 10:47:21 AM com.github.fommil.netlib.BLAS <clinit> 
WARNING: Failed to load implementation from: com.github.fommil.netlib.NativeSystemBLAS 
Jul 19, 2016 10:47:21 AM com.github.fommil.netlib.BLAS <clinit> 
WARNING: Failed to load implementation from: com.github.fommil.netlib.NativeRefBLAS 
Jul 19, 2016 10:47:21 AM com.github.fommil.netlib.LAPACK <clinit> 
WARNING: Failed to load implementation from: com.github.fommil.netlib.NativeSystemLAPACK 
Jul 19, 2016 10:47:21 AM com.github.fommil.netlib.LAPACK <clinit> 
WARNING: Failed to load implementation from: com.github.fommil.netlib.NativeRefLAPACK 

Код:

// Define each attribute (or column), and give it a numerical column 
     // number 
     // Likely, a better design wouldn't require the column number, but 
     // would instead get it from the index in the container 
     Attribute a1 = new Attribute("houseSize", 0); 
     Attribute a2 = new Attribute("lotSize", 1); 
     Attribute a3 = new Attribute("bedrooms", 2); 
     Attribute a4 = new Attribute("granite", 3); 
     Attribute a5 = new Attribute("bathroom", 4); 
     Attribute a6 = new Attribute("sellingPrice", 5); 

     // Each element must be added to a FastVector, a custom 
     // container used in this version of Weka. 
     // Later versions of Weka corrected this mistake by only 
     // using an ArrayList 
     ArrayList<Attribute> attrs = new ArrayList<>(); 
     attrs.add(a1); 
     attrs.add(a2); 
     attrs.add(a3); 
     attrs.add(a4); 
     attrs.add(a5); 
     attrs.add(a6); 
     // Each data instance needs to create an Instance class 
     // The constructor requires the number of columns that 
     // will be defined. In this case, this is a good design, 
     // since you can pass in empty values where they exist. 
     Instance i1 = new DenseInstance(6); 
     i1.setValue(a1, 3529); 
     i1.setValue(a2, 9191); 
     i1.setValue(a3, 6); 
     i1.setValue(a4, 0); 
     i1.setValue(a5, 0); 
     i1.setValue(a6, 205000); 

     Instance i2 = new DenseInstance(6); 
     i1.setValue(a1, 3247); 
     i1.setValue(a2, 10061); 
     i1.setValue(a3, 5); 
     i1.setValue(a4, 1); 
     i1.setValue(a5, 1); 
     i1.setValue(a6, 224900); 

     Instance i3 = new DenseInstance(6); 
     i1.setValue(a1, 4032); 
     i1.setValue(a2, 10150); 
     i1.setValue(a3, 5); 
     i1.setValue(a4, 0); 
     i1.setValue(a5, 1); 
     i1.setValue(a6, 197900); 

     Instance i4 = new DenseInstance(6); 
     i1.setValue(a1, 2397); 
     i1.setValue(a2, 14156); 
     i1.setValue(a3, 4); 
     i1.setValue(a4, 1); 
     i1.setValue(a5, 0); 
     i1.setValue(a6, 189900); 

     Instance i5 = new DenseInstance(6); 
     i1.setValue(a1, 2200); 
     i1.setValue(a2, 9600); 
     i1.setValue(a3, 4); 
     i1.setValue(a4, 0); 
     i1.setValue(a5, 1); 
     i1.setValue(a6, 195000); 

     Instance i6 = new DenseInstance(6); 
     i1.setValue(a1, 3536); 
     i1.setValue(a2, 19994); 
     i1.setValue(a3, 6); 
     i1.setValue(a4, 1); 
     i1.setValue(a5, 1); 
     i1.setValue(a6, 325000); 

     Instance i7 = new DenseInstance(6); 
     i1.setValue(a1, 2983); 
     i1.setValue(a2, 9365); 
     i1.setValue(a3, 5); 
     i1.setValue(a4, 0); 
     i1.setValue(a5, 1); 
     i1.setValue(a6, 230000); 

     // Each Instance has to be added to a larger container, the 
     // Instances class. In the constructor for this class, you 
     // must give it a name, pass along the Attributes that 
     // are used in the data set, and the number of 
     // Instance objects to be added. Again, probably not ideal design 
     // to require the number of objects to be added in the constructor, 
     // especially since you can specify 0 here, and then add Instance 
     // objects, and it will return the correct value later (so in 
     // other words, you should just pass in '0' here) 
     Instances dataset = new Instances("housePrices", attrs, 7); 
     dataset.add(i1); 
     dataset.add(i2); 
     dataset.add(i3); 
     dataset.add(i4); 
     dataset.add(i5); 
     dataset.add(i6); 
     dataset.add(i7); 

     // In the Instances class, we need to set the column that is 
     // the output (aka the dependent variable). You should remember 
     // that some data mining methods are used to predict an output 
     // variable, and regression is one of them. 
     dataset.setClassIndex(dataset.numAttributes() - 1); 

     // Create the LinearRegression model, which is the data mining 
     // model we're using in this example 
     linearRegression = new LinearRegression(); 
     try { 
      // This method does the "magic", and will compute the regression 
      // model. It takes the entire dataset we've defined to this point 
      // When this method completes, all our "data mining" will be 
      // complete 
      // and it is up to you to get information from the results 
      linearRegression.buildClassifier(dataset); 
     } catch (Exception e) { 
      e.printStackTrace(); 
     } 

    } 

Answer 1

Это не ошибка, а предупреждение. Weka не может найти библиотеки линейных алгебр (LAPACK, BLAS) во время запуска вашего небольшого java-приложения. В любом случае, они не нуждаются в них, поскольку задача линейной регрессии заключается в подгонке кривой к 7 точкам данных.

(Прочитайте это для справки https://github.com/fommil/netlib-java)

Чтобы избавиться от сообщения, вы можете перенаправить вывод STDERR вашей программы в/DEV/нуль.

Использование менеджера пакетов, я только что установил Weka пакет netlibNativeLinux (или попробовать netlibNativeWindows или netlibOSX, что угодно), включенную свои банки на наращиванием пути, и получил это предупреждение:

Jul 20, 2016 10:20:32 AM com.github.fommil.jni.JniLoader liberalLoad 
INFO: successfully loaded /tmp/jniloader5044252696376965086netlib-native_system-linux-x86_64.so 
Jul 20, 2016 10:20:32 AM com.github.fommil.jni.JniLoader load 
INFO: already loaded netlib-native_system-linux-x86_64.so 

Я также получил выход 219328.35717359098 - так же, как говорится в учебнике. Вы забыли включить последние строки кодов из учебника, особенно

System.out.println(myHouseValue);

?