//获取第一个月的数据用于建立模型
       ArffLoader loader = new ArffLoader();
       loader.setFile(new File("month1.arff"));
       loader.getStructure();//这句话必须有，不然会报错

       //定义分类器 并用第一个月的数据做训练
       Instances originDataSet = loader.getDataSet();//获取第一个月的实例
       originDataSet.setClassIndex(originDataSet.numAttributes()-1);//定义最后一个属性作为分类目标
       NaiveBayesMultinomialUpdateable nb = new NaiveBayesMultinomialUpdateable();//定义模型
       nb.buildClassifier(originDataSet);//建立模型

       //对从第二个月起的每个月进行预测和训练,一直到第100个月,(2,100只是用于示例)
       for (int month = 2; month <= 100; month++) {
           //读取测试集
           ArffLoader testLoader = new ArffLoader();
           testLoader.setFile(new File("month"+i+".arff"));
           testLoader.getStructure();

           Instances testDataSet = testLoader.getDataSet();//获取测试集实例
           //进行分类，并且输出
           for (int i = 0; i< testDataSet.numInstances(); i++) {
               FileWriter fileWritter = new FileWriter("output.txt", true);
               BufferedWriter bufferWritter = new BufferedWriter(fileWritter);
               bufferWritter.write(nb.distributionForInstance(testDataSet.instance(i))[1]+'\n');//这一行输出的是分类中分到第二类(下标为1)的概率
               bufferWritter.flush();
           }

           // 再把这次的测试集当做训练集进行训练
           for (int i = 0; i< testDataSet.size(); i++) {
               testDataSet.setClassIndex(testDataSet.numAttributes()-1);
               nb.updateClassifier(testDataSet.get(i));
           }