Massive Online Analysis安装

MOA是一个基于WEKA用Java实现的数据流在线分类、聚类软件平台，可以实现数据流在线学习、产生仿真数据流并进行算法评估。MOA是一个数据流挖掘的框架，它包含了一些列的机器学习算法以及评估工具。官方站点http://moa.cs.waikato.ac.nz/，该工具也可以从官方下载。同时还需要下载Weka，下载地址为http://www.cs.waikato.ac.nz/ml/weka/，因为需要weka.jar包，所以我下载的是Other platforms下的zip包，解压缩就可以得到weka.jar包。所以总共需要的文件有如下：1. moa.jar 2. weka.jar 3. sizeofag.jar,4 moa.bat。要注意的是weka的版本必须是3.7.0以上的版本，否则无法正确执行。

官方给出一个clustering的例子，你可以从http://moa.cs.waikato.ac.nz/downloads/这里观看视频，但是由于版本更新的缘故，最新版本跟视频中的有些不一致。

同时下载的文件包里面还有一个示例，文件为：DecisionStumpTutorial.java，如何在MOA中执行这个文件呢？

1.把该文件放在跟weka.jar, moa.jar等文件同个目录，编译该文件(需要安装jdk1.6,可以参考Tomcat7配置)：javac -cp moa.jar;weka.jar DecisionStumpTutoria.java

2.把DecisionStumpTutoria.class文件拷贝到该目录下的moa/classifiers目录下，因为该java文件使用了package。或者可以用winrar打开moa.jar,把DecisionStumpTutoria.class拷贝到对应文件夹下。

3.然后执行该文件：java -cp moa.jar;weka.jar -javaagent:sizeofag.jar moa.DoTask LearnModel -l DecisionStumpTutorial -s generators.WaveformGenerator -m 1000000 -O model1.moa，执行完毕之后显示：

Model type: moa.classifiers.DecisionStumpTutoria
model training instances = 1,000,000
model serialized size (bytes) = 23,040
Model description:
并且在当前目录生成了model1.moa文件，该文件包含了decision stump model。接下来开始评估这个模型的精确度，测试使用来自各种不同的随机种子的样本数据。这里使用的EvaluateModel,命令行如下：java -cp moa.jar;weka.jar -javaagent:sizeofag.jar moa.DoTask “EvaluateModel -m file:model1.moa -s (generators.WaveformGenerator -i 2) -i 1000000″

执行完毕时显示：

Task completed in 2.61s (CPU time)

classified instances = 1,000,000
classifications correct (percent) = 57.637
4. 接下来做EvaluatePeriodicHeldOutTest测试，并把结果保存在csv文件中：java -cp moa.jar;weka.jar -javaagent:sizeofag.jar moa.DoTask “EvaluatePeriodicHeldOutTest -l DecisionStumpTutorial -s generators.WaveformGenerator -n 10000 -i 100000 -f 100000″ > dsresult.csv

结果保存在dsresult.csv文件中。如果有需要还可以采用不同算法对比：

5. 执行decision tree learner: java -cp moa.jar;weka.jar -javaagent:sizeofag.jar moa.DoTask “EvaluatePeriodicHeldOutTest -l HoeffdingTree -s generators.WaveformGenerator -n 10000 -i 100000 -f 100000″ > htresult.csv

6.最后可以使用gnuplot工具画出两组数据的图示，便于查看彼此的不同。