weka中文教程
WEKA 3-5-5 Explorer 用户指南
原文版本 3.5.5
翻译王娜
校对 C6H5NO2
Pentaho 中文讨论组
QQ 群：12635055
论坛：https://www.sodocs.net/doc/052529126.html,/bipub/index.asp
https://www.sodocs.net/doc/052529126.html,/
目录
1 启动WEKA (3)
Explorer (5)
2 WEKA
2.1 标签页 (5)
2.2 状态栏 (5)
按钮 (5)
2.3 Log
状态图标 (5)
2.4 WEKA
3 预处理 (6)
3.1 载入数据 (6)
3.2 当前关系 (6)
3.3 处理属性 (7)
3.4 使用筛选器 (7)
4 分类 (10)
4.1 选择分类器 (10)
4.2 测试选项 (10)
4.3 Class属性 (11)
4.4 训练分类器 (11)
4.5 分类器输出文本 (11)
4.6 结果列表 (12)
5 聚类 (13)
5.1 选择聚类器（Clusterer） (13)
5.2 聚类模式 (13)
5.3 忽略属性 (13)
5.4 学习聚类 (14)
6 关联规则 (15)
6.1 设定 (15)
6.2 学习关联规则 (15)
7 属性选择 (16)
7.1 搜索与评估 (16)
7.2 选项 (16)
7.3 执行选择 (16)
8 可视化 (18)
8.1 散点图矩阵 (18)
8.2 选择单独的二维散点图 (18)
8.3 选择实例 (19)
参考文献 (20)
启动WEKA
WEKA中新的菜单驱动的 GUI 继承了老的 GUI 选择器（类 weka.gui.GUIChooser）的功能。它的MDI（“多文档界面”）外观，让所有打开的窗口更加明了。
这个菜单包括六个部分。
1.Program
z LogWindow打开一个日志窗口，记录输出到
stdout或stderr的内容。在 MS Windows 那样的
环境中，WEKA 不是从一个终端启动，这个就比较有
用。
z Exit关闭WEKA。
2.Applications 列出 WEKA 中主要的应用程序。
z Explorer 使用 WEKA 探索数据的环境。（本
文档的其它部分将详细介绍这个环境）
z Experimenter 运行算法试验、管理算法方案
之间的统计检验的环境。
z KnowledgeFlow 这个环境本质上和 Explorer
所支持的功能是一样的，但是它有一个可以拖放
的界面。它有一个优势，就是支持增量学习
（incremental learning）。
z SimpleCLI 提供了一个简单的命令行界面，从而可以在没有自带命令行的操作系统中直接执行 WEKA 命令。
3.Tools 其他有用的应用程序。
z ArffViewer一个 MDI 应用程序，使用电子
表格的形式来查看 ARFF 文件。
z SqlViewer一个 SQL 工作表，用来通过
JDBC 查询数据库。
z EnsembleLibrary 生成集成式选择
（Ensemble Selection）[5] 所需设置的界面。
4.Visualization WEKA 中数据可视化的方法。
z Plot作出数据集的二维散点图。
z ROC显示预先保存的 ROC 曲线。
z TreeVisualizer 显示一个有向图，例如一个决策树。
z GraphVisualizer 显示 XML、BIF 或 DOT 格式的图片，例如贝叶斯网络（Bayesian network）。
z BoundaryVisualizer 允许在二维空间中对分类器的决策边界进行可视化。
5.Windows 所有已打开的窗口都列在这里。
z Minimize最小化所有当前的窗口。
z Restore还原所有最小化过的窗口。
6.Help WEKA 的在线资源可以从这里找到。
z Weka homepage打开一个浏览器窗口，显示 WEKA 的主页。
z Online documentation 链接到 WekaDoc 维基文档 [4]。
z HOWTOs, code snippets, etc. 通用的 WekaWiki [3]，包括大量的例子，以及开发和使用 WEKA 的基本知识（HOWTO）。
z Weka on Sourceforge WEKA 项目在 https://www.sodocs.net/doc/052529126.html, 的主页。
z SystemInfo 列出一些关于 Java/WEKA 环境的信息，例如 CLASSPATH。
z About 不光彩的“About”窗口。
如果从终端启动 WEKA，会有一些文字在终端窗口中出现。这些文字是可以忽略的，除非某些东西出错了——这时它可以帮助找到错误的原因。（LogWindow 也可以显示那些信息。）
这份文档也可以从在线的WekaDoc Wiki [4] 中找到，它将集中阐述如何使用Explorer，而不会逐个解释 WEKA 中的数据预处理工具和学习算法。要获得关于各种筛选器（filter）和学习算法的更多信息，可参考Data Mining [2] 一书。
1WEKA Explorer
1.1标签页
在窗口的顶部，标题栏下是一排标签。当 Explorer 首次启动时，只有第一个标签页是活动的；其他均是灰色的。这是因为在探索数据之前，必须先打开一个数据集(可能还要对它进行预处理)。
所有的标签页如下所示：
1.Preprocess. 选择和修改要处理的数据。
2.Classify. 训练和测试关于分类或回归的学习方案。
3.Cluster. 从数据中学习聚类。
4.Associate. 从数据中学习关联规则。
5.Select attributes. 选择数据中最相关的属性。
6.Visualize. 查看数据的交互式二维图像。
这些标签被激活后，点击它们可以在不同的标签页面上进行切换，而每一个页面上可以执行对应的操作。不管位于哪个页面，窗口的底部区域(包括状态栏、log 按钮和 Weka 鸟) 仍然可见。
1.2状态栏
状态（Status）栏出现在窗口的最底部。它显示一些信息让你知道正在做什么。例如，如果 Explorer 正忙于装载一个文件，状态栏就会有通知。
提示 — 在状态栏中的任意位置右击鼠标将会出现一个小菜单。这个菜单给了你两个选项：
1.Memory Information. 在 log 栏中显示 WEKA 可用的内存量。
2.Run garbage collector. 强制运行 Java 垃圾回收器，搜索不再需要的内存空间
并将之释放，从而可为新任务分配更多的内存。注意即使不强制运行，垃圾回收也是一直作为后台任务在运行的。
1.3Log 按钮
点击这个按钮，会出现一个单独的窗口，包含一个可拖动的文本区域。文本的每一行被加了一个时间戳，显示了它进入日志（log）的时间，一旦在WEKA 中执行某种操作时，该日志就会记录发生了什么。对于使用命令行或者 SimpleCLI 的人，日志也将完整地记录分类，聚类，特征提取等任务的设置字符，使得它们可被复制/粘贴到其它地方。但关于数据集和 class 属性1的选项仍然要由用户给出（例如，分类器（classifier）的 –t，或者筛选器的 –i 和 -o）
1.4WEKA 状态图标
状态栏的右边是 WEKA 状态图标。当不运行任何进程时，WEKA鸟会坐下并打一个小盹。×符号旁的数字显示了正运行的并发进程的数量。当系统空闲时，它是零，而当进程的数量增长时，它也会增长。任意进程启动后，小鸟会站起来并到处活动。如果它仍然是站着的，但是很长时间内不动，那么它生病了：某个地方出错了！在这种情况下，应该重新启动 WEKA Explorer。
1在分类或回归任务中，class 属性是默认的目标变量。注意这与下文中的分类型属性不是一个概念—译
2预处理
2.1载入数据
预处理页顶部的前4个按钮用来把数据载入WEKA：
1.Open file....打开一个对话框，允许你浏览本地文件系统上的数据文件。
2.Open URL.... 请求一个存有数据的 URL 地址。
3.Open DB.... 从数据库中读取数据(注意，要使之可用，可能需要编辑
weka/experiment/ DatabaseUtils.props 中的文件)
4.Generate....从一些数据生成器（DataGenerators）中生成人造数据。
使用Open file...按钮可以读取各种格式的文件：WEKA 的 ARFF 格式，CSV 格式，C4.5 格式，或者序列化的实例2格式。ARFF 文件通常扩展名是.arff，CSV 文件扩展名是 .csv，C4.5 文件扩展名是 .data 和 .names ，序列化的实例对象扩展名为 .bsi。
2.2当前关系
载入数据后，预处理面板就会显示各种信息。Current relation一栏（“current relation” 指目前装载的数据，可理解为数据库术语中单独的关系表）有3个条目：
1.Relation.关系的名称，在它装载自的文件中给出。使用筛选器（下文将详述）
将修改关系的名称。
2只有本段文字中的“实例”是 JAVA 语言中实例的概念；而后文中的“实例”都将指数据集中的记录—
2.Instances.数据中的实例(或称数据点/记录) 的个数。
3.Attributes.数据中的属性(或称特征) 的个数。
2.3处理属性
在Current relation一栏下是Attributes（属性）栏。有四个按钮，其下是当前关系中的属性列表。该列表有3列：
1.No..一个数字，用来标识数据文件中指定的各属性的顺序。
2.选择框.允许勾选关系中呈现的各属性。
https://www.sodocs.net/doc/052529126.html,.数据文件中声明的各属性的名称。
当点击属性列表中的不同行时，右边Selected attribute 一栏的内容随之改变。这一栏给出了列表中当前高亮显示的属性的一些描述：
https://www.sodocs.net/doc/052529126.html,.属性的名称，和属性列表中给出的相同。
2.Type.属性的类型，最常见的是分类型（Nominal）和数值型（Numeric）。
3.Missing.数据中该属性缺失(或者未指定)的实例的数量(及百分比)。
4.Distinct.数据中该属性包含的不同值的数目。
5.Unique.唯一地拥有某值的实例的数目（及百分比），这些实例每个的取值都和
别的不一样。
在这些统计量的下面是一个列表，根据属性的不同类型，它显示了关于这个属性中储存的值的更多信息。如果属性是分类型的，列表将包含该属性的每个可能值以及取那个值的实例的数目。如果属性是数值型的，列表将给出四个统计量来描述数据取值的分布—最小值、最大值、平均值和标准差。在这些统计量的下方，有一个彩色的直方图，根据直方图上方一栏所选择的 class 属性来着色。(在点击时，该栏将显示一个可供选择的下拉列表。) 注意仅有分类型的 class 属性才会让直方图出现彩色。最后，若点击Visualize All按钮，将在一个单独的窗口中显示数据集中所有属性的直方图。
回到属性列表，开始时所有的选择框都是没有被勾选的。可通过逐个点击来勾选/取消。以上的4个按钮也可用于改变选择：
1.All. 所有选择框都被勾选。
2.None. 所有选择框被取消（没有勾选）。
3.Invert.已勾选的选择框都被取消，反之亦然。
4.Pattern. 让用户基于 Perl 5 正则表达式来选择属性。例如，用 *_id 选择所有名
称以 _id 结束的属性。
选中了想要的属性后，可通过点击属性列表下的Remove按钮删除他们。注意可通过点击位于 Preprocess 面板的右上角的Edit按钮旁的Undo按钮来取消操作。
2.4使用筛选器3
在预处理阶段，可以定义筛选器来以各种方式对数据进行变换。Filter一栏用于对各种筛选器进行必要的设置。Filter一栏的左边是一个Choose按钮。点击这个按钮就可选择 WEKA 中的某个筛选器。选定一个筛选器后，它的名字和选项会显示在Choose按钮旁边的文本框中。用鼠标左键点击这个框，将出现一个 GenericObjectEditor（通用对象编辑器）对话框。用鼠标右键（或Alt+Shift+左键)点击将出现一个菜单，你可从中选择，要么在 GenericObjectEditor 对话框中显示相关属性，要么将当前的设置字符复制到剪贴板。
3筛选器的英文原文是 filter，与数据库术语中的筛选有关。但是 WEKA 中的 filter 不仅能提供筛选功能，
GenericObjectEditor 对话框
GenericObjectEditor 对话框可以用来配置一个筛选器。同样的对话框也用于配置其他对象，例如分类器（classifier）和聚类器（clusterers）(见下文)。窗口中的字段反映了可用的选项。点击它们中间的一个便可改变 filter 的设置。例如，某项设置可能是一串文本字符，这时将字符串输入相应的文本框中即可。或者它可能会给出一个下拉框，列出可供选择的几个状态。也可能是其他一些操作，根据所需的信息而有所区别。如果把将鼠标指针停留在某个字段上，会出现一个小提示来给出相应选项的信息。而有关该筛选器和它的选项的更多信息可通过点击 GenericObjectEditor 窗口顶部About面板中的More按钮来获得。
除了More按钮，某些对象也会在关于栏中显示一些有关其功能的简短描述。点击More按钮，会出现一个窗口来描述了不同的选项分别起什么作用。有的还另外一个Capabilities按钮，它能列出该对象可处理的属性和 class 属性的类型。
GenericObjectEditor 对话框的底部有4个按钮。前两个 Open...和Save...允许存储对该对象的配置，以备将来之用。Cancel按钮用于直接退出，任何已作出的改变都将被忽略。当前选择的对象和设置令人满意后，点击OK返回到主 Explorer 窗口。
应用筛选器
选择并配置好一个筛选器后，就可通过点击 Preprocess 面板的Filter拦右边的Apply按钮将之应用于数据集上。然后 Preprocess 面板将显示转换过的数据。可点击Undo按钮取消改变。你也可使用Edit...按钮在一个数据集编辑器中手动修改你的数据。最后，点击 Preprocess 面板右上角的 Save...按钮将用同样的格式保存当前的关系，以备将来使用。
注意：一些筛选器会依据是否设置了 class 属性来做出不同的动作。（点击直方图上方那一栏时，会出现一个可供选择的下拉列表。）特别的，“supervised filters”（监督式筛选器）需要设置一个 class 属性，而某些“unsupervised attribute filters”（非监督式属性筛选器）将忽略 class 属性。注意也可以将 Class 设成 None，这时没有设置 class 属性。
3分类4
3.1选择分类器
在 classify 页面的顶部是Classifier栏。这一栏中有一个文本框，给出了分类器的名称和它的选项。左键点击文本框会打开一个 GenericObjectEditor，可以像配置筛选器那样配置当前的分类器。右键（或Alt+Shift+左键)点击也可以复制设置字符到剪贴板，或者在GenericObjectEditor 中显示相关属性。Choose按钮用来选择 WEKA 中可用的分类器。
3.2测试选项
应用选定的分类器后得到的结果会根据Test Option一栏中的选择来进行测试。共有四种测试模式：
https://www.sodocs.net/doc/052529126.html,ing training set. 根据分类器在用来训练的实例上的预测效果来评价它。
2.Supplied test set. 从文件载入的一组实例，根据分类器在这组实例上的预测效
果来评价它。点击 Set…按钮将打开一个对话框来选择用来测试的文件。
3.Cross-validation. 使用交叉验证来评价分类器，所用的折数填在Folds文本框
中。
4.Percentage split. 从数据集中按一定百分比取出部分数据放在一边作测试用，根
据分类器这些实例上预测效果来评价它。取出的数据量由%一栏中的值决定。注意：不管使用哪种测试方法，得到的模型总是从所有训练数据中构建的。点击More options按钮可以设置更多的测试选项：
1.Output model. 输出基于整个训练集的分类模型，从而模型可以被查看，可视化
等。该选项默认诗选中的。
2.Output per-class stats. 输出每个 class 的准确度/反馈率（precision/recall）
和正确/错误（true/false）的统计量。该选项也是默认选中的
3.Output evaluation measures. 输出熵估计度量。该选项默认没有选中。
4.Output confusion matrix. 输出分类器预测结果的混淆矩阵。该选项默认选中。
5.Store predictions for visualization. 记录分类器的预测结果使得它们能被可
视化表示。
6.Output predictions. 输出测试数据的预测结果。注意在交叉验证时，实例的编
号不代表它在数据集中的位置。
7.Cost-sensitive evaluation. 误差将根据一个价值矩阵来估计。Set…按钮用来
指定价值矩阵。
8.Random seed for xval / % Split. 指定一个随即种子，当出于评价的目的需要
分割数据时，它用来随机化数据。
3.3Class属性
WEKA 中的分类器被设计成经过训练后可以预测一个 class 属性，也就是预测的目标。有的分类器只可用来学习分类型的 class 属性；有的则只可用来学习数值型的 class 属性(回归问题)；还有的两者都可以学习。
默认的，数据集中的最后一个属性被看作 class 属性。如果想训练一个分类器，让它预测一个不同的属性，点击Test options栏下方的那一栏，会出现一个属性的下拉列表以供选择。
3.4训练分类器
分类器，测试选项和 class 属性都设置好后，点击Start按钮就可以开始学习过程。分类器忙于训练时，下方的小鸟会动来动去。可以通过点击 Stop 按钮，在任意时刻停止训练过程。
训练完成后，会发生几件事。右边的Classifier output区域会被填充一些文本，描述训练和测试的结果。在Result list栏中会出现一个新的条目。接下来我们会观察这个结果列表，但我们先来研究输出的文本。
3.5分类器输出文本
Classifier output区域的文本有一个滚动条以便浏览结果。按住 Alt 和 Shift 键，在这个区域点击鼠标左键，会出现一个对话框，让你用各种格式（目前可用 JPEG 和 EPS）保存输出的结果。当然，可以通过放大 Explorer 窗口来获得更大的显示区域。输出结果可分为几个部分：
1.Run information.给出了学习算法各选项的一个列表。包括了学习过程中涉及
到的关系名称，属性，实例和测试模式。
2.Classifier model (full training set). 用文本表示的基于整个训练集的分类模
型。
所选测试模式的结果可以分解为以下几个部分：
3.Summary.一列统计量，描述了在指定测试模式下，分类器预测 class 属性的准
确程度。
4.Detailed Accuracy By Class.更详细地给出了关于每一类的预测准确度的描
述。
5.Confusion Matrix.给出了预测结果中每个类的实例数。其中矩阵的行是实际的
类，矩阵的列是预测得到的类，矩阵元素就是相应测试样本的个数。
3.6结果列表
在训练了若干分类器之后，结果列表中也就包含了若干个条目。左键点击这些条目可以在生成的结果之间进行切换浏览。右键点击某个条目则会弹出一个菜单，包括如下的选项：
1.View in main window.在主窗口中显示输出该结果（就象左击该条目一样）。
2.View in separate window. 打开一个独立的新窗口来显示结果。
3.Save result buffer.弹出一个对话框，使得输出结果的文本可以保存成一个文本
文件。
4.Load model.从一个二进制文件中载入以前训练得到的模型对象。
5.Save model.把模型对象保存到一个二进制文件中。对象是以 Java“序列化”
的形式保存的。
6.Re-evaluate model on current test set.通过 Supplied test set 选项下的
Set 按钮指定一个数据集，已建立的分类模型将在这个数据集上测试它的表现。
7.Visualize classifier errors.弹出一个可视化窗口，把分类结果做成一个散点图。
其中正确分类的结果用叉表示，分错的结果用方框表示。
8.Visualize tree or Visualize graph.如果可能的话，把分类模型的结构用图形来
表示（例如决策树（decision tree）和贝叶斯网络（Bayesian network）模型）。
图形可视化选项只有在贝叶斯网络模型建好之后才会出现。在浏览决策树图形时，可以在空白处右击鼠标弹出一个菜单，也可以拖动鼠标来拖动决策树，还可以在
节点上单击鼠标查看它对应的训练实例。Ctrl键+左键点击会缩小图形，Shift键+拖曳会得到一个方框并放大其中的图形。这个图形可视化工具本身应该能够解释
它的作用。
9.Visualize margin curve.创建一个散点图来显示预测边际值。这个边际值的定
义为：预测为真实值的概率与预测为真实值之外其它某类的最高概率之差。例如，提升式（boosting）算法可以通过增加训练数据上的边际值来使得它在测试数据上表现得更好。
10.Visualize threshold curve.生成一个散点图，以演示预测时改变各类之间的阀
值后取得的平衡。例如说，默认的阀值是0.5，那么一个实例要预测成为“positive”，它是“positive”的预测概率必须大于0.5。这个曲线可以用来在 ROC 曲线分析中
演示准确度/反馈率之间的平衡（正确的 positive 率对错误的 positive 率），也可用于其它类型的曲线。
11.Visualize cost curve.生成一个散点图，如 [1] 中所描述的那样，给出期望价
值（expected cost）的一个显式表达。
在特定的情况下某些选项不适用时，它们会变成灰色。
4聚类
4.1选择聚类器（Clusterer）
现在我们应该熟悉选择和配置对象的过程了。点击列在窗口顶部的Clusterer栏中的聚类算法，将弹出一个用来选择新聚类算法的 GenericObjectEditor 对话框。
4.2聚类模式
Cluster Mode一栏用来决定依据什么来聚类以及如何评价聚类的结果。前三个选项和分类的情形是一样的：Use training set、Supplied test set和Percentage split （见4.1节）——区别在于现在的数据是要聚集到某个类中，而不是预测为某个指定的类别。第四个模式，Classes to clusters evaluation，是要比较所得到的聚类与在数据中预先给出的类别吻合得怎样。和Classify面板一样，下方的下拉框是用来选择作为类别的属性的。
在 Cluster mode 之外，有一个Store clusters for visualization 的勾选框，该框决定了在训练完算法后可否对数据进行可视化。对于非常大的数据集，内存可能成为瓶颈时，不勾选这一栏应该会有所帮助。
4.3忽略属性
在对一个数据集聚类时，经常遇到某些属性应该被忽略的情况。Ignore attributes可以弹出一个小窗口，选择哪些是需要忽略的属性。点击窗口中单个属性将使它高亮显示，按住 SHIFT 键可以连续的选择一串属性，按住 CTRL 键可以决定各个属性被选与否。点击Cancel按钮取消所作的选择。点击Select按钮决定接受所作的选择。下一次聚类算法运行时，被选的属性将被忽略。
4.4学习聚类
Cluster面板就像Classify面板那样，有一个Start/Stop按钮，一个结果文本的区域和一个结果列表。它们的用法都和分类时的一样。右键点击结果列表中的一个条目将弹出一个相似的菜单，只是它仅显示两个可视化选项：Visualize cluster assignments和Visualize tree。后者在它不可用时会变灰。
5关联规则
5.1设定
这个面板包含了学习关联规则的方案。这里的学习器也可以跟其它面板的聚类器，筛选器和分类器一样选择和配置。
5.2学习关联规则
为关联规则学习器设置好合适的参数后，点击Start按钮。完成后右键点击结果列表中的条目可以查看或保存结果。
6属性选择
6.1搜索与评估
属性选择是说搜索数据集中全部属性的所有可能组合，找出预测效果最好的那一组属性。为实现这一目标，必须设定两个东西：属性评估器（evaluator）和搜索策略。评估器决定了怎样给一组属性安排一个表示它们好坏的值。搜索策略决定了要怎样进行搜索。6.2选项
Attribute Selection Mode一栏有两个选项。
https://www.sodocs.net/doc/052529126.html,e full training set.使用训练数据的全体好决定一组属性的好坏。
2.Cross-validation. 一组属性的好坏通过一个交叉验证过程来决定。Fold和
Seed分别给出了交叉验证的折数和打乱数据时的随机种子。
和Classify部分（4.1节）一样，有一个下拉框来指定 class 属性。
6.3执行选择
点击Start按钮开始执行属性选择过程。它完成后，结果会输出到结果区域中，同时结果列表中会增加一个条目。在结果列表上右击，会给出若干选项。其中前面三个（View in main window，View in separate window和Save result buffe）和分类面板中是一样的。还可以可视化精简过的数据集（Visualize reduced data），或者，如果使用过主成分分析那样的属性变换工具，则能可视化变换过的数据集（Visualize transformed data）。精简过/变换过的数据能够通过Save reduced data...或Save transformed data...选项来保存。
如果想在精简/变换训练集的同时进行测试，而又不使用在分类器面板中的
AttributeSelectedClassifier，那么最好在命令行或者 SimpleCLI 中使用批量模式（“-b”）的 AttributeSelection 筛选器（这是一个 supervised attribute filter）。这一批量模式允许指定额外的输入和输出文件对（选项 –r 和 -s），处理它们的筛选器的设置是由训练文件（由 –i 和 –o 选项给出）决定的。
下面是 Unix/Linux bash 中的一个例子：
注意：
z每一样末尾的反斜线告诉 bash 命令还没有结束。使用 SimpleCLI 时必须把命令写在同一行而不能使用反斜线。
z这里假设 WEKA 已经在 CLASSPATH 中了，否则还要加上 -classpath 选项。
z整个筛选器的设置会在日志中输出，就像运行正规的属性选择时的设置一样。
7可视化
WEKA 的可视化页面可以对当前的关系作二维散点图式的可视化浏览。
7.1散点图矩阵
选择了Visualize面板后，会为所有的属性给出一个散点图矩阵，它们会根据所选的class 属性来着色。在这里可以改变每个二维散点图的大小，改变各点的大小，以及随机地抖动（jitter）数据（使得被隐藏的点显示出来）。也可以改变用来着色的属性，可以只选择一组属性的子集放在散点图矩阵中，还可以取出数据的一个子样本。注意这些改变只有在点击了Update了按钮之后才会生效。
7.2选择单独的二维散点图
在散点图矩阵的一个元素上点击后，会弹出一个单独的窗口对所选的散点图进行可视化。（前面我们描述了如何在单独的窗口中对某个特定的结果进行可视化——例如分类误差——这里用了相同的可视化控件。）
数据点散布在窗口的主要区域里。上方是两个下拉框选择用来选择打点的坐标轴。左边是用作 x 轴的属性；右边是用作 y 轴的属性。
在 x 轴选择器旁边是一个下拉框用来选择着色的方案。它可以根据所选的属性给点着色。在打点区域的下方，有图例来说明每种颜色代表的是什么值。如果这些值是离散的，可以通过点击它们所弹出的新窗口来修改颜色。
打点区域的右边有一些水平横条。每一条代表着一个属性，其中的点代表了属性值的分布。这些点随机的在竖直方向散开，使得点的密集程度能被看出来。在这些横条上点击可以改变主图所用的坐标轴。左键点击改变 x 轴的属性；右键点击改变 y 轴的。横条旁
边的“X”和“Y”代表了当前的轴用的那个属性（“B”则说明 x 轴和 y 轴都是它）。
属性横条的上方是一个标着Jitter的游标。它能随机地使得散点图中各点的位置发生偏移，也就是抖动。把它拖动到右边可以增加抖动的幅度，这对识别点的密集程度很有用。如果不使用这样的抖动，几万个点放在一起和单独的一个点看起来会没有区别。
7.3选择实例
很多时候利用可视化工具选出一个数据的子集是有帮助的。（例如在 classify 面板的UserClassifier（自定义分类器），可以通过交互式的选取实例来构建一个分类器。）在 y 轴选择按钮的下方是一个下拉按钮，它决定选取实例的方法。可以通过以下四种方式选取数据点：
1.Select Instance.点击各数据点会打开一个窗口列出它的属性值，如果点击处的
点超过一个，则更多组的属性值也会列出来。
2.Rectangle.通过拖动创建一个矩形，选取其中的点。
3.Polygon. 创建一个形式自由的多边形并选取其中的点。左键点击添加多边形的顶
点，右键点击完成顶点设置。起始点和最终点会自动连接起来因此多边形总是闭
合的。
4.Polyline. 可以创建一条折线把它两边的点区分开。左键添加折线顶点，右键结束
设置。折线总是打开的（与闭合的多边形相反）。
使用Rectangle，Polygon或Polyline选取了散点图的一个区域后，该区域会变成灰色。这时点击Submit按钮会移除落在灰色区域之外的所有实例。点击Clear按钮会清除所选区域而不对图形产生任何影响。
如果所有的点都被从图中移除，则Submit按钮会变成Reset按钮。这个按钮能使前面所做的移除都被取消，图形回到所有点都在的初始状态。最后，点击Save按钮可把当前能看到的实例保存到一个新的 ARFF 文件中。
参考文献
weka中文教程
WEKA 3-5-5 Explorer 用户指南 原文版本 3.5.5 翻译王娜 校对 C6H5NO2 Pentaho 中文讨论组 QQ 群：12635055 论坛：https://www.sodocs.net/doc/052529126.html,/bipub/index.asp https://www.sodocs.net/doc/052529126.html,/ 目录 1 启动WEKA (3) Explorer (5) 2 WEKA 2.1 标签页 (5) 2.2 状态栏 (5) 按钮 (5) 2.3 Log 状态图标 (5) 2.4 WEKA 3 预处理 (6) 3.1 载入数据 (6) 3.2 当前关系 (6) 3.3 处理属性 (7) 3.4 使用筛选器 (7) 4 分类 (10) 4.1 选择分类器 (10) 4.2 测试选项 (10) 4.3 Class属性 (11) 4.4 训练分类器 (11) 4.5 分类器输出文本 (11) 4.6 结果列表 (12) 5 聚类 (13) 5.1 选择聚类器（Clusterer） (13) 5.2 聚类模式 (13) 5.3 忽略属性 (13) 5.4 学习聚类 (14) 6 关联规则 (15) 6.1 设定 (15) 6.2 学习关联规则 (15) 7 属性选择 (16) 7.1 搜索与评估 (16) 7.2 选项 (16) 7.3 执行选择 (16) 8 可视化 (18)
8.1 散点图矩阵 (18) 8.2 选择单独的二维散点图 (18) 8.3 选择实例 (19) 参考文献 (20)
启动WEKA WEKA中新的菜单驱动的 GUI 继承了老的 GUI 选择器（类 weka.gui.GUIChooser）的功能。它的MDI（“多文档界面”）外观，让所有打开的窗口更加明了。 这个菜单包括六个部分。 1.Program z LogWindow打开一个日志窗口，记录输出到 stdout或stderr的内容。在 MS Windows 那样的 环境中，WEKA 不是从一个终端启动，这个就比较有 用。 z Exit关闭WEKA。 2.Applications 列出 WEKA 中主要的应用程序。 z Explorer 使用 WEKA 探索数据的环境。（本 文档的其它部分将详细介绍这个环境） z Experimenter 运行算法试验、管理算法方案 之间的统计检验的环境。 z KnowledgeFlow 这个环境本质上和 Explorer 所支持的功能是一样的，但是它有一个可以拖放 的界面。它有一个优势，就是支持增量学习 （incremental learning）。 z SimpleCLI 提供了一个简单的命令行界面，从而可以在没有自带命令行的操作系统中直接执行 WEKA 命令。 3.Tools 其他有用的应用程序。 z ArffViewer一个 MDI 应用程序，使用电子 表格的形式来查看 ARFF 文件。 z SqlViewer一个 SQL 工作表，用来通过 JDBC 查询数据库。 z EnsembleLibrary 生成集成式选择 （Ensemble Selection）[5] 所需设置的界面。 4.Visualization WEKA 中数据可视化的方法。 z Plot作出数据集的二维散点图。 z ROC显示预先保存的 ROC 曲线。
Weka_数据挖掘软件使用指南
Weka 数据挖掘软件使用指南 1.Weka简介 该软件是WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），它的源代码可通过https://www.sodocs.net/doc/052529126.html,/ml/weka得到。Weka作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。如果想自己实现数据挖掘算法的话，可以看一看Weka的接口文档。在Weka中集成自己的算法甚至借鉴它的方法自己实现可视化工具并不是件很困难的事情。 2.Weka启动 打开Weka主界面后会出现一个对话框，如图： 主要使用右方的四个模块，说明如下： ?Explorer：使用Weka探索数据的环境,包括获取关联项，分类预测，聚簇等； ?Experimenter：运行算法试验、管理算法方案之间的统计检验的环境； ?KnowledgeFlow：这个环境本质上和Explorer所支持的功能是一样的，但是它有一个可以拖放的界面。它有一个优势，就是支持增量学习； ?SimpleCLI：提供了一个简单的命令行界面，从而可以在没有自带命令行的操作系统中直接执行Weka命令（某些情况下使用命令行功能更好一些）。 3．主要操作说明 点击进入Explorer模块开始数据探索环境。 3.1主界面 进入Explorer模式后的主界面如下：
3.1.1标签栏 主界面最左上角（标题栏下方）的是标签栏，分为五个部分，功能依次是： ?Preprocess(数据预处理)：选择和修改要处理的数据； ?Classify(分类)：训练和测试关于分类或回归的学习方案； ?Cluster(聚类)：从数据中学习聚类； ?Associate(关联)：从数据中学习关联规则； ?Select attributes(属性选择)：选择数据中最相关的属性； ?Visualize(可视化)：查看数据的交互式二维图像。 3.1.2载入、编辑数据 标签栏下方是载入数据栏，功能如下： ?Open file：打开一个对话框，允许你浏览本地文件系统上的数据文件（.dat）； ?Open URL：请求一个存有数据的URL 地址； ?Open DB：从数据库中读取数据； ?Generate：从一些数据生成器中生成人造数据。 3.1.3其他界面说明 接下来的主界面中依次是Filter（筛选器），Currtent relation（当前关系）、Attributes（属性信息）、Selected attribute（选中的属性信息）以及Class（类信息），分别介绍如下： ?Filter 在预处理阶段，可以定义筛选器来以各种方式对数据进行变换。Filter 一栏用于对各种筛选器进行必要设置。Filter一栏的左边是一个Choose 按钮。点击这个按钮就可选择Weka中的某个筛选器。用鼠标左键点击这个choose左边的显示框，将出现GenericObjectEditor对话框。用鼠标右键点击将出现一个菜单，你可从中选择，要么在GenericObjectEditor对话框中显示相关属性，要么将当前的设置字符复制到剪贴板。 ?Currtent relation 显示当前打开的数据文件的基本信息：Relation（关系名），Instances（实例数）以及Attributes （属性个数）。
2020年整理WEKA汉化教程.pdf
WEKA汉化教程
图1
这里我们要介绍一下WEKA中的术语。表格里的一个横行称作一个实例（Instance），相当于统计学中的一个样本，或者数据库中的一条记录。竖行称作一个属性（Attrbute），相当于统计学中的一个变量，或者数据库中的一个字段。这样一个表格，或者叫数据集，在WEKA看来，呈现了属性之间的一种关系(Relation)。图1中一共有14个实例，5个属性，关系名称为“weather”。 WEKA存储数据的格式是ARFF（Attribute-Relation File Format）文件，这是一种ASCII文本文件。图1所示的二维表格存储在如下的ARFF文件中。这也就是WEKA自带的“weather.arff”文件，在WEKA安装目录的“data”子目录下可以找到。 代码: % ARFF file for the weather data with some numric features % @relation weather @attribute outlook {sunny, overcast, rainy} @attribute temperature real @attribute humidity real @attribute windy {TRUE, FALSE} @attribute play {yes, no} @data % % 14 instances % sunny,85,85,FALSE,no sunny,80,90,TRUE,no overcast,83,86,FALSE,yes rainy,70,96,FALSE,yes rainy,68,80,FALSE,yes rainy,65,70,TRUE,no overcast,64,65,TRUE,yes sunny,72,95,FALSE,no sunny,69,70,FALSE,yes rainy,75,80,FALSE,yes sunny,75,70,TRUE,yes overcast,72,90,TRUE,yes overcast,81,75,FALSE,yes rainy,71,91,TRUE,no
WEKA入门教程
WEKA入门教程 2007-04-26 16:40 1. 简介 WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），它的源代码可通过https://www.sodocs.net/doc/052529126.html,/ml/weka得到。同时weka也是新西兰的一种鸟名，而WEKA的主要开发者来自新西兰。 WEKA作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。 如果想自己实现数据挖掘算法的话，可以看一看weka的接口文档。在weka中集成自己的算法甚至借鉴它的方法自己实现可视化工具并不是件很困难的事情。 2005年8月，在第11届ACM SIGKDD国际会议上，怀卡托大学的Weka小组荣获了数据挖掘和知识探索领域的最高服务奖，Weka系统得到了广泛的认可，被誉为数据挖掘和机器学习历史上的里程碑，是现今最完备的数据挖掘工具之一（已有11年的发展历史）。Weka的每月下载次数已超过万次。 --整理自https://www.sodocs.net/doc/052529126.html,/computers/common/info.asp?id=29304 2. 数据格式 巧妇难为无米之炊。首先我们来看看WEKA所用的数据应是什么样的格式。 跟很多电子表格或数据分析软件一样，WEKA所处理的数据集是图1那样的一个二维的表格。 图1 新窗口打开
这里我们要介绍一下WEKA中的术语。表格里的一个横行称作一个实例（Instance），相当于统计学中的一个样本，或者数据库中的一条记录。竖行称作一个属性（Attrbute），相当于统计学中的一个变量，或者数据库中的一个字段。这样一个表格，或者叫数据集，在WEKA看来，呈现了属性之间的一种关系(Relation)。图1中一共有14个实例，5个属性，关系名称为“weather”。 WEKA存储数据的格式是ARFF（Attribute-Relation File Format）文件，这是一种ASCII文本文件。图1所示的二维表格存储在如下的ARFF文件中。这也就是WEKA自带的“weather.arff”文件，在WEKA安装目录的“data”子目录下可以找到。 代码: % ARFF file for the weather data with some numric features % @relation weather @attribute outlook {sunny, overcast, rainy} @attribute temperature real @attribute humidity real @attribute windy {TRUE, FALSE} @attribute play {yes, no} @data % % 14 instances % sunny,85,85,FALSE,no sunny,80,90,TRUE,no overcast,83,86,FALSE,yes rainy,70,96,FALSE,yes rainy,68,80,FALSE,yes rainy,65,70,TRUE,no overcast,64,65,TRUE,yes sunny,72,95,FALSE,no sunny,69,70,FALSE,yes rainy,75,80,FALSE,yes sunny,75,70,TRUE,yes overcast,72,90,TRUE,yes overcast,81,75,FALSE,yes
MIDAS-CIVIL-完整教程
MIDAS-CIVIL-最完整教程
————————————————————————————————作者：————————————————————————————————日期：
第一章“文件”中的常见问题 (4) 1.1 如何方便地实现对施工阶段模型的数据文件的检查？ (4) 1.2 如何导入CAD图形文件？ (4) 1.3 如何将几个模型文件合并成一个模型文件？ (5) 1.4 如何将模型窗口显示的内容保存为图形文件？ (7)
第一章“文件”中的常见问题 1.1如何方便地实现对施工阶段模型的数据文件的检查？ 具体问题 本模型进行施工阶段分析，在分析第一施工阶段时出现“W ARNING : NODE NO. 7 DX DOF MAY BE SINGULAR”，如下图所示。但程序仍显示计算成功结束，并没有给出警告提示，如何仅导出第一施工阶段的模型进行数据检查？ 图1.1.1 施工阶段分析信息窗口警告信息 相关命令 文件〉另存当前施工阶段为... 问题解答 模型在第一施工阶段，除第三跨外，其他各跨结构都属于机动体系（缺少顺桥向约束），因此在进行第一施工阶段分析时，程序提示结构出现奇异；而在第二施工阶段，结构完成体系转换，形成连续梁体系，可以进行正常分析。 在施工阶段信息中选择第一施工阶段并显示，然后在文件中选择“另存当前施工阶段为...”功能将第一施工阶段模型导出，然后对导出的模型进行数据检查即可。 相关知识 施工阶段分析时，对每个阶段的分析信息都会显示在分析信息窗口中，同时保存在同名的*.out文件中，通过用记事本查看*.out文件确认在哪个施工阶段分析发生奇异或错误，然后使用“另存当前施工阶段为...”功能来检查模型。 分析完成后的警告信息只针对成桥阶段，各施工阶段的详细分析信息需要查看信息窗口的显示内容。 1.2如何导入CAD图形文件？ 具体问题 弯桥的桥梁中心线已在AutoCAD中做好，如何将其导入到MIDAS中？
大数据挖掘入门教程
大数据挖掘入门教程 大数据时代的来临，给人们生活带来了巨大变化。对于中国而言，大数据产业起步晚，发展速度快。物联网、移动互联网的迅速发展，使数据产生速度加快、规模加大，迫切需要运用大数据手段进行分析处理，提炼其中的有效信息。千锋教育，经过多年的洗礼，在大数据培训中取得了不错的成绩。 下面是千锋教育对于大数据入门教程的步骤： 1)数据挖掘概述与数据： 讲解了数据挖掘技术的起源、应用场景以及基本的处理方法，并对于数据集、数据等基本的概念做了阐释。 2)可视化与多维数据分析： 讲解了数据可视化的基本方法，并分别演示了Excel数据透视表与SQLServerAnalysisService对于多维数据的可视化处理。 3)分类器与决策树： 讲解了分类器的基本概念与应用方法，并具体分析了分类器经典算法之一决策树的实现方法。 4)其他分类器：
讲解了另外两种经典的分类器算法：基于规则的分类器与基于距离的分类器和其他一些常见的分类器算法，如基于距离的分类器的改良算法、贝叶斯分类器、人工神经网络、支持向量机与组合方法等。 5)决策树的应用： 演示了利用WekaExplorer、KNIME、Tanagra等开源工具进行的数据挖掘处理。演示中对比了几类数据挖掘算法，如Cart决策树、C4.5决策树、KNIME决策树、简单贝叶斯分类、组合方法、人工神经网络、基于规则的分类等。 6)关联分析： 讲解了关联分析的常见算法，即Apriori算法与FP增长算法。 7)购物车数据分析： 主要演示了利用微软的解决方案来进行购物车数据的关联分析，包括SQLServiceAnalysisService的关联分析与Excel结合SSAS外接程序等方法。最后还利用WekaKnowledgeFlow工具来进行关联分析，以便对比第六章的实践。 8) 聚类算法： 讲解了聚类算法的基本原理与常见算法，包含K均值算法、层次聚类、基于密度的聚类算法。 大数据是未来的趋势，选择千锋教育，助力人生！
weka算法参数整理
1.关联算法 1.1.Aprior算法 1.1.1.Apriori算法weka参数界面 概要 实现Apriori关联规则挖掘算法，挖掘出给定参数条件下的关联规则。此迭代的减少最小支持度直到发现设定最小置信度下的规则数目。
1.1. 2.Apriori算法参数配置说明 英文名称中文翻译默认值取值范围参数说明 car分类关联分析False False返回常规的关联分析规则 True返回指定分类属性的关联规则 classIndex分类属性索引-1{-1,[1,N]}int-1代表最后一列，设置的数字代表相应的列作为分类属性；Car为True时生效。delta delta0.05(0,1)每次迭代upperBoundMinSupport减少的数值，直到最小支持度或设定规则数目。lowerBoundMinSupport最小支持度下限0.1(0,upperBoundMinSupport)迭代过程中最小支持度的下限。 metricType度量类型confidence Confidence(置信度)规则项集数目占规则前件数目比例；car为True，metricType只能用confidence。 Lift(提升度)>1P(A,B)/P(A)P(B)；规则前件和规则后件同时发生的概率除以分布单独发生的概率之积；Lift=1时表示A和B独立，数值越大前后件关联性越强。 Leverage(杠杆率)P(A,B)-P(A)P(B)；Leverage=0时A和B独立，数值越大A和B的关联性越强。 Conviction(确信度)P(A)P(!B)/P(A,!B)（!B表示B没有发生）Conviction也是用来衡量A和B的独立性。从它和lift的关系（对B取反，代入Lift公式后求倒数）可以看出，这个值越大,A、B越关联。 minMetric最小度量值0.9根据metricType取值不同Confidence(0,1);lift>1;leverage>0;conviction(0,1) numRules规则数目10[1,+∞]int关联算法产生规则的数目 outputItemSets输出项集False False不输出频繁项集 True输出频繁项集 removeAllMissingCols移除空列False False不移除所有值都缺失的列 True移除所有值都缺失的列 significanceLevel显著性水平-1？(0,1)χ2检验的显著性水平，-1则不进行检验。（仅适用于置信度度量）treatZeroAsMissing按照缺失值处理零False False不按照缺失值的相同方式处理零（标称型的第一个值） True按照缺失值的相同方式处理零（标称型的第一个值）upperBoundMinSupport最小支持度上限1(lowerBoundMinSupport,1]迭代过程中最小支持度的上限；迭代过程中从该值开始降低。
WEKA实验教程
WEKA 3-5-3 Experimenter 指南 原文版本3.5.3 原文链接 翻译王娜 校对 C6H5NO2 Pentaho 中文讨论组 QQ 群：12635055 论坛：https://www.sodocs.net/doc/052529126.html,/bipub/index.asp David Scuse Peter Reutemann June 8, 2006 1 简介 (1) 2 标准试验 (2) 2.1 简单模式 (2) 2.1.1 新试验 (2) 2.1.2 结果的目的文件 (2) 2.1.3 试验类型 (4) 2.1.4 数据集 (5) 2.1.5 迭代控制 (6) 2.1.6 算法 (6) 2.1.7 保存设置 (8) 2.1.8 运行试验 (8) 2.2 高级模式 (9) 2.2.1 定义试验 (9) 2.2.2 运行试验 (12) 2.2.3 改变试验参数 (13) 2.2.4 其他结果的产生 (19) 3 远程试验 (23) 3.1 准备 (23) 3.2 数据库服务器设置 (23) 3.3 远程引擎安装 (23) 3.4 配置 Experimenter (24) 3.5 疑难问题解答 (24) 4 分析结果 (25) 4.1 设置 (25) 4.2 保存结果 (28) 4.3 改变基准算法 (28) 4.4 统计显著性 (29) 4.5 描述性检验 (29) 4.6 排序检验 (29) 5 参考文献 (30) 1简介 Weka 试验（Experiment）环境可以让用户创建，运行，修改和分析算法试验，这也许比单独的分 析各个算法更加方便。例如，用户可创建一次试验，在一系列数据集上运行多个算法（schemes），然
数据挖掘过程说明文档
生产再生钢的过程如下：组合后的废钢通过炉门送入炉子，电流通过悬浮在炉内的电极输送到熔化的废钢中。提供给这些电极的高电流通过电弧传输到内部的金属废料，对其加热并产生超过3000°C的温度。 通过添加各种活性气体和惰性气体以及固体物质来维持和优化炉内条件。然后，钢水从熔炉中流出，进入移动坩埚，并浇铸到钢坯中。 你将得到一个数据集，代表从各种金属废料lypes生产回收钢坯的过程。Hie数据集包含大 ?这是一个基于团队的项目。你需要组成一个小组，由三名（或两名）组员来完成这项练习。?您可以使用Weka或任何其他可用的数据挖掘资源和软件包来帮助您制定问题、计算、评
估等。 ?您的团队绩效将完全根据团队的结果和您的报告进行评估。 ?作为一个团队，您需要决定给定问题的性质；什么类型的数据挖掘问题公式适合解决此类问题；您的团队可以遵循什么样的基本数据挖掘过程；您的团队希望尝试什么类型的算法；以何种方式，您可以进一步利用或最大化您的性能，等等。 ?您的团队应致力于涵盖讲座、教程中包含的领域，考虑预处理、特征选择、各种算法、验证、测试和性能评估方法。 ?对于性能基准，建议您使用准确度和/或错误率作为评估指标。 ?表现最好的球队将被宣布为本次迷你KDD杯冠军，并将获得10%的加分，最高100%满分。 数据挖掘流程： 一、数据建模 1. 数据获取 2. 数据分析 3. 数据预处理 二、算法建模 1. 模型构建 2. 模型检验 三、评估 一、数据建模 1.数据获取及分析 数据集：EAF_process_dataqqq.csv 根据《assignment 2》中，数据集的说明，可知：
weka配置教程
一、WEKA的安装 在WEKA的安装文件中有weka-3-6-9.exe和weka-3-6-9jre.exe，这两个软件我们安装一个即可，这里主要介绍weka-3-6-9.exe的安装步骤 1.安装Java运行环境 下载jdk-7u21-windows-i586.exe（最新版）安装包，双击安装包进行安装，根 据安装向导提示，点击下一步即可，安装完成以后可以通过命令提示符输入java –version 进行验证，若出现如下图所示，表示安装成功。 2.配置环境变量 右击我的电脑，点击属性，出现如下界面：、
选择高级——>环境变量，如图所示： 出现环境变量配置界面：
双击Path，然后出现编辑系统变量窗口： 在变量值编辑框中，将光标移动至最后，添加一个分号“;”，然后将java的jdk安装路径追加到编辑框最后，我的系统中安装路径为：C:\Program Files\Java\jdk1.7.0_21\bin，所以在编辑框最后写入：“; C:\Program Files\Java\jdk1.7.0_21\bin”，即可完成环境变量的配置。
3.weka-3-6-9.exe 双击此文件开始进行安装，在出现的窗口中点击Next，然后点击I Agree，再点击Next，此时出现如下窗口，Browse左边的区域是WEKA的默认安装路径，我们可以点击Browse选择我们想要安装WEKA的位置，然后点击窗口下方的NEXT，也可以不点击Browse直接将WEKA安装到默认的目录下，即直接点击窗口下方的NEXT，在新出现的窗口中点击Install开始安装，等待几秒种后点击Next， 在新窗口中会有一个Start Weka单选框（默认情况下是选中的），如果我们想安装完成后就启动WEKA，那么我们就直接点击新窗口下方的FINISH 完成安装,如果我们不想立即启动WEKA可以单击Start Weka前面的单选框，然后点击FINISH即可完成安装，此时WEKA已经安装到我们的电脑中。 二、WEKA的启动 在开始程序中找到WEKA3.7.0(注意版本不同名称也不同，但都是叫WEKA……)，选择WEKA3.7(with console)，出现下图即安装成功：
weka
https://www.sodocs.net/doc/052529126.html,/ml/weka/ https://www.sodocs.net/doc/052529126.html,/~ml/weka/index.html https://www.sodocs.net/doc/052529126.html,/~ml/weka/ https://www.sodocs.net/doc/052529126.html,/ucp.php?mode=login 原创]WEKA入门教程 由C6H5NO2? 2006年 11月 19日 16:03 目录 1. 简介顶楼 2. 数据格式顶楼 3.数据准备 1楼 4. 关联规则（购物篮分析） 1楼 5. 分类与回归 2楼 6. 聚类分析 2楼 Weka入门教程，来自 https://www.sodocs.net/doc/052529126.html,/viewtopic.php?f=2&t=9。转载请注明出处。 1. 简介
WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），它的源代码可通过 https://www.sodocs.net/doc/052529126.html,/ml/weka得到。同时weka也是新西兰的一种鸟名，而WEKA的主要开发者来自新西兰。 WEKA作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。 如果想自己实现数据挖掘算法的话，可以看一看weka的接口文档。在weka中集成自己的算法甚至借鉴它的方法自己实现可视化工具并不是件很困难的事情。 2005年8月，在第11届ACM SIGKDD国际会议上，怀卡托大学的Weka 小组荣获了数据挖掘和知识探索领域的最高服务奖，Weka系统得到了广泛的认可，被誉为数据挖掘和机器学习历史上的里程碑，是现今最完备的数据挖掘工具之一（已有11年的发展历史）。Weka的每月下载次数已超过万次。 --整理自 https://www.sodocs.net/doc/052529126.html,/computers/common/info.asp?id=2930 4
《数据挖掘实训》weka实验报告
《数据挖掘实训》课程论文（报告、案例分析） 院系信息学院 专业统计 班级 10级统计 3 班 学生姓名李健 学号 2010210453 任课教师刘洪伟 2013年 01月17日
课程论文评分表
《数据挖掘实训》课程论文 选题要求： 根据公开发表统计数据，请结合数据挖掘理论与方法，撰写一篇与数据挖掘领域相关的论文。 写作要求： （1）数据准确、有时效性，必须是最新的数据。 （2）文章必须有相应的统计方法，这些统计方法包括以前专业课中学到的任何统计方法，如参数估计、假设检验、相关与回归、多元统计等等。 （3）论文的内容必须是原创，有可靠的分析依据和明确的结论。 （4）论文按照规定的格式化撰写； （5）字数不少于2000字。
数据挖掘（WEKA软件）实验报告 统计学专业学生李健学号2010210453关键词：数据挖掘；游玩；因素；WEKA 本次实验指在熟练的运用软件weka进行数据处理，其中包括数据准备，关联规则等同时了解weka的基本用法。 一、软件介绍 1简介 数据挖掘、机器学习这些字眼，在一些人看来，是门槛很高的东西。诚然，如果做算法实现甚至算法优化，确实需要很多背景知识。但事实是，绝大多数数据挖掘工程师，不需要去做算法层面的东西。他们的精力，集中在特征提取，算法选择和参数调优上。那么，一个可以方便地提供这些功能的工具，便是十分必要的了。而weka，便是数据挖掘工具中的佼佼者。 WEKA的全名是怀卡托智能分析环境(Waikato Environment forKnowledge Analysis)，是由新西兰怀卡托(Waikato)大学开发的机器学习软件，纯Java技术实现的开源软件，遵循于GNU General Public License，跨平台运行，集合了大量能承担数据挖掘任务的机器学习算法，分类器实现了常用ZeroR算法、Id3算法、J4．8算法等40多个算法，聚类器实现了EM算法、SimpleKMeans算法和Cobweb算法3种算法，能对数据进行预处理、分类、回归、聚类、关联规则以及在新的交互式界面上的可视化。2oo5年8月，在第11届ACM SIGKDD国际会议上，怀卡托大学的WEKA小组荣获了数据挖掘和知识探索领域的最高服务奖，WEKA系统得到了广泛的认可，被誉为数据挖掘和机器学习历史上的里程碑，是现今最完备的数据挖掘工具之一。WEKA使用的是一种叫做arff(Attribute—Relation File Format)的数据文件结构。这种arff文件是普通的ASCII文本文件，内部结构很简单，主要是测试算法使用的轻量级的数据文件结构。arff文件可以自己建立，也可通过JDBC从Oracle和Mysql等流行数据库中获得。整个arf文件可以分为两个部分。第一部分给出了头信息(Head information)，包括关系声明(Relation Declaration)和属性声明(AttributeDeclarations)。第二部分给出了数据信息(Datainformation)，即数据集中给出的数据。关系声明的定义格式为：@relation
weka入门教程
巧妇难为无米之炊。首先我们来看看WEKA所用的数据应是什么样的格式。跟很多电子表格或数据分析软件一样，WEKA所处理的数据集是图1那样的一个二维的表格。 图1 新窗口打开 这里我们要介绍一下WEKA中的术语。表格里的一个横行称作一个实例（Instance），相当于统计学中的一个样本，或者数据库中的一条记录。竖行称作一个属性（Attrbute），相当于统计学中的一个变量，或者数据库中的一个字段。这样一个表格，或者叫数据集，在WEKA看来，呈现了属性之间的一种关系(Relation)。图1中一共有14个实例，5个属性，关系名称为“weather”。 WEKA存储数据的格式是ARFF（Attribute-Relation File Format）文件，这是一种ASCII文本文件。图1所示的二维表格存储在如下的ARFF文件中。这也就是WEKA自带的“weather.arff”文件，在WEKA安装目录的“data”子目录下可以找到。 代码: % ARFF file for the weather data with some numric features % @relation weather @attribute outlook {sunny, overcast, rainy}
@attribute temperature real @attribute humidity real @attribute windy {TRUE, FALSE} @attribute play {yes, no} @data % % 14 instances % sunny,85,85,FALSE,no sunny,80,90,TRUE,no overcast,83,86,FALSE,yes rainy,70,96,FALSE,yes rainy,68,80,FALSE,yes rainy,65,70,TRUE,no overcast,64,65,TRUE,yes sunny,72,95,FALSE,no sunny,69,70,FALSE,yes rainy,75,80,FALSE,yes sunny,75,70,TRUE,yes overcast,72,90,TRUE,yes overcast,81,75,FALSE,yes rainy,71,91,TRUE,no 需要注意的是，在Windows记事本打开这个文件时，可能会因为回车符定义不一致而导致分行不正常。推荐使用UltraEdit这样的字符编辑软件察看ARFF文件的内容。 下面我们来对这个文件的内容进行说明。 识别ARFF文件的重要依据是分行，因此不能在这种文件里随意的断行。空行（或全是空格的行）将被忽略。 以“%”开始的行是注释，WEKA将忽略这些行。如果你看到的“weather.arff”文件多了或少了些“%”开始的行，是没有影响的。 除去注释后，整个ARFF文件可以分为两个部分。第一部分给出了头信息（Head information），包括了对关系的声明和对属性的声明。第二部分给出了数据信息（Data information），即数据集中给出的数据。从“@data”标记开始，后面的就是数据信息了。 关系声明 关系名称在ARFF文件的第一个有效行来定义，格式为 @relation
weka文档
WEKA入门教程 https://www.sodocs.net/doc/052529126.html,/ 1.简介 WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），它的源代码可通过https://www.sodocs.net/doc/052529126.html,/ml/weka得到。同时weka 也是新西兰的一种鸟名，而WEKA的主要开发者来自新西兰。 WEKA作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。如果想自己实现数据挖掘算法的话，可以看一看weka的接口文档。在weka中集成自己的算法甚至借鉴它的方法自己实现可视化工具并不是件很困难的事情。 2005年8月，在第11届ACM SIGKDD国际会议上，怀卡托大学的Weka小组荣获了数据挖掘和知识探索领域的最高服务奖，Weka系统得到了广泛的认可，被誉为数据挖掘和机器学习历史上的里程碑，是现今最完备的数据挖掘工具之一（已有11年的发展历史）。Weka的每月下载次数已超过万次。 2.数据格式 巧妇难为无米之炊。首先我们来看看WEKA所用的数据应是什么样的格式。跟很多电子表格或数据分析软件一样，WEKA所处理的数据集是图1那样的一个二维的表格。 这里我们要介绍一下WEKA中的术语。表格里的一个横行称作一个实例（Instance），
相当于统计学中的一个样本，或者数据库中的一条记录。竖行称作一个属性（Attrbute），相当于统计学中的一个变量，或者数据库中的一个字段。这样一个表格，或者叫数据集，在WEKA看来，呈现了属性之间的一种关系(Relation)。图1中一共有14个实例，5个属性，关系名称为“weather”。WEKA存储数据的格式是ARFF（Attribute-Relation File Format）文件，这是一种ASCII文本文件。图1所示的二维表格存储在如下的ARFF文件中。这也就是WEKA自带的“weather.arff”文件，在WEKA安装目录的“data”子目录下可以找到。代码: 全选 % ARFF file for the weather data with some numric features % @relation weather @attribute outlook {sunny, overcast, rainy} @attribute temperature real @attribute humidity real @attribute windy {TRUE, FALSE} @attribute play {yes, no} @data % % 14 instances % sunny,85,85,FALSE,no sunny,80,90,TRUE,no overcast,83,86,FALSE,yes rainy,70,96,FALSE,yes rainy,68,80,FALSE,yes rainy,65,70,TRUE,no overcast,64,65,TRUE,yes sunny,72,95,FALSE,no sunny,69,70,FALSE,yes rainy,75,80,FALSE,yes sunny,75,70,TRUE,yes
weka内嵌特征选择算法
属性评估方法： CfsSubsetEval：根据属性子集中每一个特征的预测能力以及它们之间的关联性进行评估。ChiSquaredAttributeEval：根据与分类有关的每一个属性的卡方值进行评估。ClassifierSubsetEval：根据训练集或测试集之外的数据评估属性子集。ConsistencySubsetEval：根据利用属性子集进行分类时得到的分类值的一致性进行评价。CostSensitiveAttributeEval：根据使其基础子集评估开销敏感性，变化选择子集评估方法。CostSentitiveSubsetEval：方法同上。 FilteresAttributeEval：运行在任意过滤器之后的数据上的任意属性评估。FilteredSubsetEval：方法同上。 GainRatioAttributeEval：根据与分类有关的每一个属性的增益比进行评估。InfoGainAttributeEval：根据与分类有关的每一个属性的信息增益进行评估。LatenSemanticAnalysis：根据数据的潜在的语义分析和转换进行评估，与随机搜索结合。OneRAttributeEval：根据OneR分类器评估属性。 PrincipalComponents：根据数据的主要成分分析和转换进行评估。ReliefFAttributeEval：通过反复测试一个实例和其同类或不同类中最近的实例上的属性值进行评估。 SignificanceAttributeEval：计算双向功能的概率意义评估属性值。SymmetricalUncertAtrributeEval：根据与分类有关的每一个属性的对称不稳定性进行评估。SymmetricalUncertAtrributeSetEval：根据与其他属性集有关的每一个属性的对称不稳定性进行评估。 WrapperSubsetEval：使用一种学习模式对属性集进行评估。 注：Filter类型的评估方法关注每一个属性的预测能力（最优特征子集由预测能力最强的那些单个属性组成），其一般借鉴统计、信息论的思想，根据数据集内在特性来进行评估；Wrapper类型的评估方法是用后续的学习算法嵌入到特性选择方程中，通过测试特征子集在此算法上的预测性能来决定其优劣。 搜索算法： BestFirst：可回溯的贪婪搜索扩张，最好优先原则。 ExhaustiveSearch：穷举搜索，从空集出发。 FCBFSearch：基于相关性分析的特征选择方法。相关性匹配搜索。 GeneticSearch：Goldberg（1989）提出的简单遗传算法。 GreedyStepwise：向前或向后的单步搜索。 LinearForwardSelection：线性向前搜索。 RaceSearch：比较特征子集的交叉验证错误情况。 RandomSearch：随机搜索。 Ranker：对属性值排序。 RankSearch：选择一个评估器对属性进行排序。 ScatterSearchV1：离散搜索。 SubsetSizeForwardSelection：按照特征子集大小向前线性搜索，这是线性搜索的扩展。TabuSearch：禁忌搜索。
WEKA 教程 SPSS 教程
实验1：数据挖掘工具研究 班级：计算机082 姓名：张睿卿 指导老师：董一鸿老师
目录 1Weka 1.1Weka简介 1.2Weka应用方法 1.3Weka操作数据集 1.3.1预处理 1.3.1.1打开Explore 1.3.1.2载入数据 1.3.1.3处理属性 1.3.1.4使用筛选器 1.3.1.5数据离散化 1.3.2分类与回归 1.3. 2.1准备工作 1.3. 2.2训练分类器 1.3. 2.3模型应用 1.3.3聚类 1.3.4关联 1.3.5属性选择 1.3.6可视化 2SPSS 2.1SPSS简介 2.2SPSS应用方法 2.3SPSS操作数据集 2.3.1打开数据集 2.3.2预处理 2.3.2.1数据属性 2.3.2.2绘制直方图 2.3.2.3按要求统计分析 2.3.3聚类 2.3.4回归 3Weka vs. SPSS Weka简述 WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），它的源代码可通过https://www.sodocs.net/doc/052529126.html,/ml/weka得到。同时weka也是新西兰的一种鸟名，而WEKA的主要开发者来自新西兰。 WEKA作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。如果想自己实现数据挖掘算法的话，可以看一看weka的接口文档。在weka中集成自己的算法甚至借鉴它的方法自己实现可视化工具并不是件很困难的事情。
Weka是基于java，用于数据挖掘和知识分析一个平台。来自世界各地的java爱好者们都可以把自己的算法放在这个平台上，然后从海量数据中发掘其背后隐藏的种种关系。 Weka的应用方法 Applications: Explorer 使用WEKA 探索数据的环境。 Experimenter 运行算法试验、管理算法方案之间的统计检验的环境。 KnowledgeFlow 这个环境本质上和Explorer所支持的功能是一样的，但是它有一个可以拖放的界面。它有一个优势，就是支持增量学习（incremental learning）。 SimpleCLI 提供了一个简单的命令行界面，从而可以在没有自带命令行的操作系统中直接执行WEKA 命令。 Weka操作数据集 1、预处理 1.1 点击Explorer，出现对话框