1 介紹：嵌入式機器學習，在自己的算法中調用Weka現文本分類,是一個小的數據挖掘程序，雖然實用價值不是很大，但對于Weka的理解和使用是有幫助的。本例子來自《數據挖掘：實用機器學習技術》第2版。大家可以到 http://blogger.org.cn/blog/message.asp?name=DMman#23691 下載該書察看對算法的詳細解釋。算法中作了詳細的注釋，雖然是英文的，但還是比較簡單。下面對例子的使用作了淺顯的介紹，有興趣的朋友可以研究。（DMman整理http://blogger.org.cn/blog/blog.asp?name=DMman）

2 功能：使用weka中的j48分類器實現了文本分類的一個小程序。文本文件通過weka的過濾器StringToWordVector預處理。

3 注意：把weka.jar加入你的classpath中，才可以通過編譯。

4 使用方法：
命令行參數：
 -t 文本文件路徑
 -m 你的模型文件路徑
 -c 可選，類別（hit 或 miss）
如果提供了-c則用于訓練，否則被模型分類，輸出該文本的類型（hit或miss） 

 模型是動態建立的，第一次使用命令行必須指定-c參數，才可以建立模型。
1) 建立模型
>java MessageClassifier -t data/1.bmp -m myModel -c hit
可以看到myModel建立了。然后繼續訓練一下這個模型。使用的文本實例越多，模型的分類性能越好
>java MessageClassifier -t data/2.bmp -m myModel -c hit
>java MessageClassifier -t data/1.gif -m myModel -c miss
......
2) 使用模型分類
有了模型，就可以使用它為文本文件分類了，如
>java MessageClassifier -t data/2.gif -m myModel 
3) 可以使用提供-c參數的命令繼續完善模型