用java和weka進行分類

用weka進行分類的小程序。

package test.weka;

import java.io.BufferedWriter;
import java.io.File;
import java.io.FileReader;
import java.io.FileWriter;
import java.io.IOException;
import java.text.DateFormat;
import java.text.SimpleDateFormat;
import java.util.Random;
import weka.classifiers.Classifier;
import weka.core.Instances;
import weka.classifiers.Evaluation;
import weka.core.Instance;
import java.util.Date;


public class Myweka {
    private Instances trainInstances=null;
    private Evaluation evaluation=null;
    private File trainfile=null;
    private int classindex=0;
    /*
     * 構造函數：
     * 傳入arff文件，和classindex
     * */
    public Myweka(File trainfile,int classindex){
        this.trainfile=trainfile;
        this.classindex=classindex;
        FileReader fReader=null;
        try{
            fReader=new FileReader(trainfile);
            trainInstances=new Instances(fReader);
            trainInstances.setClassIndex(classindex);
            //          evaluation=new Evaluation(trainInstances);  使用一個evaluation，跟調用方法是再new，的結果不一樣
        }catch(Exception e){
            e.printStackTrace();
        }finally{
            try {
                fReader.close();
            } catch (IOException e2) {
                e2.printStackTrace();
            }
        }
    }

    /*
     * 將訓練集作爲測試集進行實驗
     * 並得到分類失敗的樣例行號
     * 
     * */
    public void selfTestResult(Classifier classifier){
        FileReader fReader=null;
        try {
            classifier.buildClassifier(trainInstances);
            evaluation=new Evaluation(trainInstances);//選擇調用時，new一個evalution
            fReader=new FileReader(trainfile);
            Instances testInstances=new Instances(fReader);
            testInstances.setClassIndex(classindex);
            Instance tempInstance=null;
            int count=0;
            for(int i=0;i<testInstances.numInstances();i++){
                tempInstance=testInstances.instance(i);
                if(classifier.classifyInstance(tempInstance)!=tempInstance.classValue()){
                    count++;
                    System.out.println("第"+i+"個樣本實例分類錯誤!");
                }
            }
            System.out.println("有"+count+"個樣本分類錯誤!");
            evaluation.evaluateModel(classifier, testInstances);
            writeResult();
            consoleResult();
        } catch (Exception e) {
            e.printStackTrace();
        }finally{
            try{
                fReader.close();
            }catch(IOException e0){
                e0.printStackTrace();
            }
        }
    }

    /*
     * 傳入測試集進行測試
     * 這裏默認測試集與訓練集，classindex相同
     * */
    public void useTestset(Classifier classifier,File testFile){
        FileReader fReader=null;
        try {
            evaluation=new Evaluation(trainInstances);
            classifier.buildClassifier(trainInstances);
            fReader=new FileReader(testFile);
            Instances testInstances=new Instances(fReader);
            testInstances.setClassIndex(classindex);
            Instance tempInstance=null;
            int count=0;
            for(int i=0;i<testInstances.numInstances();i++){
                tempInstance=testInstances.instance(i);
                if(classifier.classifyInstance(tempInstance)!=tempInstance.classValue()){
                    count++;
                    System.out.println("第"+i+"個樣本實例分類錯誤!");
                }
            }
            System.out.println("有"+count+"個樣本分類錯誤!");

            evaluation.evaluateModel(classifier, testInstances);
            writeResult();
            consoleResult();
        } catch (Exception e) {
            e.printStackTrace();
        }finally{
            try{
                fReader.close();
            }catch(IOException e0){
                e0.printStackTrace();
            }
        }
    }

    /*
     * 傳入一個分類器
     * 得到十折交叉驗證結果
    */
    public void GetTenCrossResult(Classifier classifier){
            try{
                classifier.buildClassifier(trainInstances);
                evaluation=new Evaluation(trainInstances);
                evaluation.crossValidateModel(classifier, trainInstances, 10, new Random(1));
                writeResult();
                consoleResult();
            }catch(Exception e){
                e.printStackTrace();
            }
    }

    private void writeResult(){
        BufferedWriter bfr=null;
        try{
            bfr=new BufferedWriter(new FileWriter(new File("result.txt"),true));
            bfr.write(getCurrentTime());
            bfr.newLine();
            bfr.write("the number of Attributes:  "+trainInstances.numAttributes());
            bfr.newLine();
            bfr.write("the number if instances:   "+trainInstances.numInstances());
            bfr.newLine();
            bfr.write(evaluation.toSummaryString());
            bfr.newLine();
            bfr.write(evaluation.toClassDetailsString());
            bfr.newLine();
            bfr.write(evaluation.toMatrixString());
            bfr.newLine();
            bfr.flush();
        }catch(IOException e){
            System.out.println("文件非法或arff格式錯誤");
        }catch (Exception e) {
            System.out.println("分類器創建失敗");
        }finally{
            try{
                bfr.close();
            }catch(IOException e0){
                e0.printStackTrace();
            }
        }
    }

    private void consoleResult() throws Exception{
        System.out.println(evaluation.toSummaryString());
        System.out.println(evaluation.toClassDetailsString());
        System.out.println(evaluation.toMatrixString());
    }

    private String getCurrentTime(){
        Date date=new Date();
        DateFormat format=new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
        return format.format(date);
    }
}

經過測試發現，在main方法調用GetTenCrossResult()方法後，繼續調用selfTestResult()，若是選擇用同一個evaluation，即：在構造函數中new，跟在方法中new，得到的結果不一樣，難道是使用一個evalution，第二次的結果會受第一次影響？
看到的大神，解釋一下。