java weka 朴素贝叶斯算法 数据分类问题

Question

现在有一个需求需要实现如下功能：
根据x,y,z的值得到状态，比如：0.5,0.1,0.2 状态是sit;0.6,0.1,0.2 状态是stand.
后来上网查到weka这个东西，因为我对算法确实不太了解，也没看懂，只能模仿。

我有一个训练样本，命名test1.arff，内容的一部分如下：
@relation test1

@attribute x numeric
@attribute y numeric
@attribute z numeric
@attribute status {sit, sit_down, stand, stand_up, walk}

@data
-0.09375,0.01178,-0.96912,sit
-0.09375,0.01178,-1.0003,sit
-0.078125,0.027283,-1.0004,sit
-0.10931,0.027283,-1.0004,sit
-0.1875,0.01178,-0.96948,sit
-0.21844,0.089783,-1.0009,sit
-0.21844,0.074158,-0.9541,sit
-0.24976,0.074341,-1.0009,sit

采集的数据我放到一个.csv文件中，命名testcsv.csv，内容如下：
x y z
-0.31317 -0.15991 -0.92328
-0.34442 -0.15991 -0.92328
-0.34442 -0.15991 -0.92328
-0.34442 -0.15997 -0.9389
-0.34442 -0.15997 -0.92328
-0.34442 -0.17554 -0.92322
-0.32886 -0.17554 -0.92322
-0.3288 -0.15985 -0.90759
-0.34442 -0.15997 -0.9389
-0.34442 -0.1756 -0.92328
-0.34448 -0.15991 -0.92322

现在就是想能通过weka的朴素贝叶斯算法，根据训练样本数据的状态分类，得到我采集的这些数据的状态。请问该如何实现呢。

// 读入训练样本
File file = new File("D:\wekaTest\test1.arff");
ArffLoader loader = new ArffLoader();
loader.setFile(file);
ins = loader.getDataSet();
ins.setClassIndex(ins.numAttributes() - 1);
// 初始化分类器
cfs = (Classifier) Class.forName("weka.classifiers.bayes.NaiveBayes").newInstance();

        // 使用训练样本进行分类
        cfs.buildClassifier(ins);
        System.out.println(cfs.toString());

        下面就不会写了。。。。

        非常着急啊，weka的API也没看懂，全英文。。。
        请大神指点。

Answer 1

System.out.println(cfs.toString()); 打印出来的如下图：