特征选择，我对这一部分也不熟，大概讲一下，用AttributeSelection进行特征选择，它需要设置3个方面，第一：对属性评价的类（自己到Weka软件里看一下，英文Attribute Evaluator），第二：搜索的方式（自己到Weka软件里看一下，英文Search Method），第三：就是你要进行特征选择的数据集了。最后调用Filter的静态方法userFilter，感觉写的都是废话，一看代码就明白了。唯一值得一说的也就是别把AttributeSelection的包加错了，代码旁边有注释。

       另一个函数懒的解释了（它也不是我写的），基本上是自解释的，不太可能看不懂。

package instanceTest; import java.io.FileReader;import java.util.Random; import weka.attributeSelection.CfsSubsetEval;import weka.attributeSelection.GreedyStepwise;import weka.classifiers.Evaluation;import weka.classifiers.meta.AttributeSelectedClassifier;import weka.classifiers.trees.J48;import weka.core.Instances;import weka.filters.Filter;import weka.filters.supervised.attribute.AttributeSelection; public class FilterTest{    private Instances m_instances = null;        public void getFileInstances( String fileName ) throws Exception {        FileReader frData = new FileReader( fileName );        m_instances = new Instances( frData );                m_instances.setClassIndex( m_instances.numAttributes() - 1 );    }        public void selectAttUseFilter() throws Exception {        AttributeSelection filter = new AttributeSelection();  // package weka.filters.supervised.attribute!        CfsSubsetEval eval = new CfsSubsetEval();        GreedyStepwise search = new GreedyStepwise();        filter.setEvaluator(eval);        filter.setSearch(search);        filter.setInputFormat( m_instances );                System.out.println( "number of instance attribute = " + m_instances.numAttributes() );                Instances selectedIns = Filter.useFilter( m_instances, filter);        System.out.println( "number of selected instance attribute = " + selectedIns.numAttributes() );    }        public void selectAttUseMC() throws Exception {            AttributeSelectedClassifier classifier = new AttributeSelectedClassifier();         CfsSubsetEval eval = new CfsSubsetEval();         GreedyStepwise search = new GreedyStepwise();         J48 base = new J48();         classifier.setClassifier( base );         classifier.setEvaluator( eval );         classifier.setSearch( search );         // 10-fold cross-validation         Evaluation evaluation = new Evaluation( m_instances );         evaluation.crossValidateModel(classifier, m_instances, 10, new Random(1));         System.out.println( evaluation.toSummaryString() );    }        public static void main( String[] args ) throws Exception {        FilterTest filter = new FilterTest();                filter.getFileInstances( "F://Program Files//Weka-3-4//data//soybean.arff");        filter.selectAttUseFilter();                filter.selectAttUseMC();    } }