weka java 预测代码

以下是使用Weka Java API进行预测的示例代码：

import weka.classifiers.Classifier;
import weka.classifiers.functions.LinearRegression;
import weka.core.Instances;
import weka.core.converters.ConverterUtils.DataSource;

public class WekaPredictionExample {
    public static void main(String[] args) {
        try {
            // 加载训练数据集
            DataSource source = new DataSource("path/to/training/dataset.arff");
            Instances trainData = source.getDataSet();
            trainData.setClassIndex(trainData.numAttributes() - 1);
            
            // 训练模型
            Classifier classifier = new LinearRegression();
            classifier.buildClassifier(trainData);
            
            // 加载测试数据集
            DataSource source2 = new DataSource("path/to/testing/dataset.arff");
            Instances testData = source2.getDataSet();
            testData.setClassIndex(testData.numAttributes() - 1);
            
            // 预测
            for (int i = 0; i < testData.numInstances(); i++) {
                double pred = classifier.classifyInstance(testData.instance(i));
                System.out.println("预测结果: " + pred);
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

这里使用的是线性回归算法作为分类器，你可以根据自己的数据集和需求选择不同的算法。同时，需要注意修改数据集文件的路径。