之前研究完分类的逻辑回归，继续搞一下线性回归看看。线性回归在数据挖掘领域应也是非常常见，即根据现有的数据集（行向量组成的矩阵），（训练）模拟出一个合适的规律（函数），来推测任何新给出的数据组合（向量）应该得到的值。
具体的描述可以参见各种博客，怎么推导的看来看去一知半解，但总而言之结果也简单，就是计算得到一个“适当”的多元线性函数Y=a0+a1*x1+a2*x2+a3*x3+…+ak*xk。我就不在这里Ctrl+v了。下面只看看代码上如何集成。
Weka中有对应的线性回归LinearRegression。使用起来道理也一样，就是先构造模型，然后使用；使用时就是构造一个Instance，然后用classifyInstance函数来得到预测值。
训练模型
static AbstractClassifier trainModel(String arffFile, int classIndex) throws Exception { File inputFile = new File(arffFile); //训练文件 ArffLoader loader = new ArffLoader(); loader.setFile(inputFile); Instances insTrain = loader.getDataSet(); // 读入训练文件 insTrain.setClassIndex(classIndex); LinearRegression linear = new LinearRegression(); linear.buildClassifier(insTrain);//根据训练数据构造分类器 return linear; } 12345678910111213 12345678910111213我使用了IBM技术博客上的一个数据样本（根据房子的面积、房间数、浴室数等，预测房子的房价）：
@RELATION house @ATTRIBUTE houseSize NUMERIC @ATTRIBUTE lotSize NUMERIC @ATTRIBUTE bedrooms NUMERIC @ATTRIBUTE granite NUMERIC @ATTRIBUTE bathroom NUMERIC @ATTRIBUTE sellingPrice NUMERIC @DATA 3529,9191,6,0,0,205000 3247,10061,5,1,1,224900 4032,10150,5,0,1,197900 2397,14156,4,1,0,189900 2200,9600,4,0,1,195000 3536,19994,6,1,1,325000 2983,9365,5,0,1,230000 1234567891011121314151617 1234567891011121314151617但有一点让我比较困惑，就是如何构造一个数据实例，用来作为模型预测的参数（自变量向量）。因为classifyInstance函数，是接收一个数据实例的（即自变量向量）weka.core.Instance，而且搜索看到人家是这样构造的：
Instance ins = new weka.core.Instance(numOfFields); 1 1但实际上这个根本编译不过，找了原因：weka.core.Instance是一个interface！（难道早期的版本Instance是一个可以实例化的类吗？） 在Weka API文档 找找，还是可以看到有其实现类的。
这样一来，代码就可以写了：
用模型来预测
public static void main(String[] args) throws Exception { final String arffTrainData = "data/house.arff"; AbstractClassifier classifier = trainModel(arffTrainData, 5); Instance ins = new weka.core.SparseInstance(5); ins.setValue(0, 990.8); ins.setValue(1, 1080.8); ins.setValue(2, 3); ins.setValue(3, 0); ins.setValue(4, 1); double price = classifier.classifyInstance(ins); System.out.println("Price: " + price); } 12345678910111213141516 12345678910111213141516运行一下：
Price: 131311.66927984258 1 1感兴趣看看这个模型是怎么样的，可以打印出模型求解出来的各个系数。
LinearRegression linear = new LinearRegression(); ...... for (double coef : linear.coefficients()) { System.out.println(coef); } 12345 12345运行一下看看，可以得到：
-26.688240074108368 7.055124244983151 43166.07667227803 0.0 42292.09008972738 0.0 -21661.120845270096 1234567 1234567有两个系数是0，对应arff文件可以得知，granite 是对结果没有影响的。第二个0的系数，是不是对应了price价格的位置，因为price是被预测的因变量，所以系数也一定为0。 因此这个模型的解读是：
sellingPrice = -26.6882 * houseSize + 7.0551 * lotSize + 43166.0767 * bedrooms + 42292.0901 * bathroom + -21661.1208