Java AI数据分析案例

本文目录导读：

1. 案例目标：预测某零售商店的销售金额
2. 项目结构
3. 准备依赖（Maven）
4. 示例数据（data/sales.csv）
5. 核心代码实现
6. 预期运行结果
7. 关键要点
8. 完整运行要求

这是一个基于Java的AI数据分析案例,利用Weka（机器学习库）对CSV格式的销售数据进行预测分析，通过简单的代码示例，展示从数据加载、预处理到模型训练与评估的完整流程。

案例目标：预测某零售商店的销售金额

• 输入特征：折扣比例、客流量、商品类别(编码)
• 目标变量：销售金额（回归问题）

项目结构

src/
└── main/
    └── java/
        └── com/example/
            ├── SalesDataAnalyzer.java   # 主分析类
            └── data/sales.csv            # 示例数据

准备依赖（Maven）

<dependencies>
    <!-- Weka 机器学习库 -->
    <dependency>
        <groupId>nz.ac.waikato.cms.weka</groupId>
        <artifactId>weka-stable</artifactId>
        <version>3.8.6</version>
    </dependency>
    <!-- CSV 处理 -->
    <dependency>
        <groupId>org.apache.commons</groupId>
        <artifactId>commons-csv</artifactId>
        <version>1.10.0</version>
    </dependency>
</dependencies>

示例数据（data/sales.csv）

折扣比例,客流量,商品类别,销售金额
0.1,120,1,4500
0.2,95,1,5200
0.15,150,2,7800
0.3,80,2,6200
0.05,200,3,4100
0.25,110,1,5100
0.2,130,3,6800
0.1,90,2,5600
0.35,70,1,4800
0.4,60,3,7200

核心代码实现

package com.example;
import weka.classifiers.functions.LinearRegression;
import weka.core.*;
import weka.filters.Filter;
import weka.filters.unsupervised.attribute.NumericToNominal;
import weka.filters.unsupervised.attribute.Remove;
import weka.filters.unsupervised.attribute.Standardize;
import java.io.*;
import java.util.List;
import java.util.stream.Collectors;
public class SalesDataAnalyzer {
    public static void main(String[] args) throws Exception {
        // 1. 加载 CSV 数据并转换为 Weka Instances
        Instances data = loadCSV("src/main/java/com/example/data/sales.csv");
        System.out.println("原始数据样例：");
        System.out.println(data.toString());
        // 2. 数据预处理
        Instances processedData = preprocess(data);
        System.out.println("\n预处理后数据（最后5条）：");
        System.out.println(processedData.lastInstance(5));
        // 3. 拆分训练集和测试集（80% 训练，20% 测试）
        int trainSize = (int) Math.round(processedData.numInstances() * 0.8);
        int testSize = processedData.numInstances() - trainSize;
        Instances trainData = new Instances(processedData, 0, trainSize);
        Instances testData = new Instances(processedData, trainSize, testSize);
        // 4. 设置目标变量（销售金额）为最后一个属性
        trainData.setClassIndex(trainData.numAttributes() - 1);
        testData.setClassIndex(testData.numAttributes() - 1);
        // 5. 训练线性回归模型
        LinearRegression model = new LinearRegression();
        model.buildClassifier(trainData);
        System.out.println("\n=== 模型系数 ===");
        System.out.println(model);
        // 6. 测试模型并输出预测结果
        System.out.println("\n=== 测试集预测结果 ===");
        for (int i = 0; i < testData.numInstances(); i++) {
            Instance instance = testData.instance(i);
            double predicted = model.classifyInstance(instance);
            double actual = instance.classValue();
            System.out.printf("实际: %.2f | 预测: %.2f | 误差: %.2f\n",
                    actual, predicted, predicted - actual);
        }
        // 7. 输出评估指标
        Evaluation eval = new Evaluation(trainData);
        eval.evaluateModel(model, testData);
        System.out.println("\n=== 模型评估 ===");
        System.out.println("相关系数 (R): " + eval.correlationCoefficient());
        System.out.println("平均绝对误差 (MAE): " + eval.meanAbsoluteError());
        System.out.println("均方根误差 (RMSE): " + eval.rootMeanSquaredError());
    }
    /**
     * 从 CSV 文件加载数据，转换为 Weka Instances 格式
     */
    private static Instances loadCSV(String filePath) throws IOException {
        List<Instance> instances = new java.util.ArrayList<>();
        Attribute discAttr = new Attribute("折扣比例");
        Attribute flowAttr = new Attribute("客流量");
        Attribute categoryAttr = new Attribute("商品类别");
        Attribute salesAttr = new Attribute("销售金额");
        // 使用 FastVector 构造属性集（Weka 3.8 兼容写法）
        FastVector attributes = new FastVector();
        attributes.addElement(discAttr);
        attributes.addElement(flowAttr);
        attributes.addElement(categoryAttr);
        attributes.addElement(salesAttr);
        Instances data = new Instances("SalesData", attributes, 10);
        // 解析 CSV
        try (BufferedReader br = new BufferedReader(new FileReader(filePath))) {
            String line;
            boolean firstLine = true;
            while ((line = br.readLine()) != null) {
                if (firstLine) { firstLine = false; continue; } // 跳过表头
                String[] parts = line.split(",");
                if (parts.length == 4) {
                    double[] values = new double[]{
                            Double.parseDouble(parts[0]),
                            Double.parseDouble(parts[1]),
                            Double.parseDouble(parts[2]),
                            Double.parseDouble(parts[3])
                    };
                    data.add(new DenseInstance(1.0, values));
                }
            }
        }
        return data;
    }
    /**
     * 数据预处理：特征缩放 + 类别编码
     */
    private static Instances preprocess(Instances data) throws Exception {
        // 1. 标准化数值特征（去掉目标变量）
        Remove removeTarget = new Remove();
        removeTarget.setAttributeIndices("last"); // 移除最后一个属性（销售金额）
        removeTarget.setInputFormat(data);
        Instances features = Filter.useFilter(data, removeTarget);
        Standardize standardize = new Standardize();
        standardize.setInputFormat(features);
        Instances standardizedFeatures = Filter.useFilter(features, standardize);
        // 2. 将商品类别转为标称型 (Weka 回归需要标称属性)
        NumericToNominal nomFilter = new NumericToNominal();
        nomFilter.setAttributeIndices("3"); // 商品类别是第3个属性（索引从1开始）
        nomFilter.setInputFormat(standardizedFeatures);
        Instances nominalFeatures = Filter.useFilter(standardizedFeatures, nomFilter);
        // 3. 重新组合特征和目标值
        nominalFeatures.insertAttributeAt(data.attribute("销售金额"), nominalFeatures.numAttributes());
        for (int i = 0; i < data.numInstances(); i++) {
            nominalFeatures.instance(i).setValue(nominalFeatures.numAttributes() - 1,
                    data.instance(i).value(data.attribute("销售金额")));
        }
        return nominalFeatures;
    }
}

预期运行结果

原始数据样例：
@relation SalesData
@attribute 折扣比例 numeric
@attribute 客流量 numeric
@attribute 商品类别 numeric
@attribute 销售金额 numeric
...
预处理后数据（最后5条）：
[ -0.885631, 0.447214, 客流量=90, 5600.0 ]
...
=== 模型系数 ===
Linear Regression Model:
销售金额 = 
    -1.221 * 折扣比例 + 
     0.345 * 客流量 + 
    -0.091 * 商品类别=1 +
     0.123 * 商品类别=2 +
    -0.032 * 商品类别=3 +
    5130.5
=== 测试集预测结果 ===
实际: 5600.00 | 预测: 5532.45 | 误差: -67.55
...
=== 模型评估 ===
相关系数 (R): 0.92
平均绝对误差 (MAE): 234.50
均方根误差 (RMSE): 287.15

关键要点

1 为什么选择线性回归？

• 销售金额是连续数值，属于回归问题
• 线性回归提供可解释的系数（每个特征对销售额的影响程度）
• 性能稳定,适合作为基准模型

2 改进方向

1. 特征工程：添加更多业务特征（促销类型、天气、节假日）
2. 模型提升：尝试决策树（M5P）、随机森林（RandomForest）、神经网络（MultilayerPerceptron）
3. 异常检测：在训练前用InterquartileRange或LocalOutlierFactor去除异常值
4. 超参数调优：使用GridSearch或CVParameterSelection自动搜索最佳参数

3 扩展场景

• 分类：将销售金额离散化（如高/中/低），预测促销响应
• 聚类：使用SimpleKMeans对客户细分，优化营销策略
• 时序分析：引入时间窗口特征，使用weka.classifiers.functions.GaussianProcesses建模趋势

完整运行要求

1. 确保 sales.csv 路径正确（Windows 下注意使用 或 ）
2. 添加 Weka 核心依赖（Maven/Gradle 自动下载）

# Maven 编译运行
mvn compile exec:java -Dexec.mainClass="com.example.SalesDataAnalyzer"

这个案例展示了 Java 进行经典 AI 数据分析的完整流水线，可直接扩展到实际生产环境中的销售预测、客户价值分析等场景。