weka

第一章 Weka命令行入门 1.1 简介 在最初的实验， Weka 所包含的图形用户界面是相当足够，若深入使用则建议使用命令行界面，因为它提供了一些功能（这些功能在图形用户界面下不可用） - 并使用少得多的内存。如果你遇到 内存不足 错误，提高您的 Java 引擎最大堆的大小，通常是通过设置 -Xmx1024M 或 -Xmx1024m 使最大堆大小为 1GB ，默认设置 16 到 64MB 通常太小。如果你遇到找不到类的错误，请检查你的 CLASSPATH ： 它是否包括 weka.jar ？ 您也可以通过命令行选项 -cp 显式设置 CLASSPATH 。 我们将通过描述基本概念和思想开始。然后，我们将介绍 weka.filters ， 包，它是用来变换输入数据，如进行预处理，转换，特征生成等。 然后，我们将专注于机器学习算法本身。这些在 Weka 中叫分类。我们将只关注所有分类方法的常用设置，但会稍微提到机器学习所有主要学习方法的典型例子。 之后，会给出实际的例子。 最后，在 Weka 的 doc 目录，你可以找到一个 Weka 中所有 Java 类的文档。准备好使用它，因为本概述并不旨在提供完整描述。如果你想知道到底是怎么回事，去看大多都有着良好注释的源代码，源代码在 weka-src.jar 中，可以通过 Java 开发工具包的 jar 程序解压（或任何可以处理 ZIP

weka安装和配置 下载地址：http://www.cs.waikato.ac.nz/ml/weka/downloading.html 环境变量配置： 1、 假设我们的weka.jar的目录在C:/Program Files/Weka-3-6/weka.jar，其中，C:\Program Files\Weka-3-6是weka安装目录。 在系统环境变量中添加WEKAROOT，值为 C:/Program Files/Weka-3-6 。 2、 系统环境变量中已经有CLASSPATH，那么，在CLASSPATH后面添加上%WEKAROOT%\weka.jar。如果还没有CLASSPATH，那么，新建一个即可。 3、添加完成并保存以后，重新启动CMD，键入 java weka.classifiers.trees.J48 显示如下图： 4、如果以后需要使用其他的外部工具包，也可以在CLASSPATH中添加相应jar包的路径。譬如，我们需要在weka中使 用LibSVM的工具包，其工具放置的位置为C:/Program Files/Weka-3-6/libsvm.jar，我们可以将其添加到CLASSPATH中。 资料参考：http://blog.csdn.net/dupei/article/details/6220997 来源： https://www.cnblogs.com/ddblog/p

链接：http://www.cs.waikato.ac.nz/ml/weka/index.html 一简介： WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），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。 >术语：WEKA所处理的数据集是一个二维的表格，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（Attribute），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)。 >数据准备：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。同时其还提供了对CSV文件的支持，而这种格式是被很多其他软件所支持的。此外，WEKA还提供了通过JDBC访问数据库的功能。具体参见：百度百科http://baike.baidu.com/view/1380214.htm 二：Knime开源数据挖掘软件 http://www.oschina.net/question

链接：http://www.cs.waikato.ac.nz/ml/weka/index.html 一简介： WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），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。 >术语：WEKA所处理的数据集是一个二维的表格，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（Attribute），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)。 >数据准备：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。同时其还提供了对CSV文件的支持，而这种格式是被很多其他软件所支持的。此外，WEKA还提供了通过JDBC访问数据库的功能。具体参见：百度百科http://baike.baidu.com/view/1380214.htm 二：Knime开源数据挖掘软件 http://www.oschina.net/question

weka有 两种属性选择模式 1是 属性子集评估器+搜索方法（后者可以说是循环，前者是循环的每个环节的操作） 2是 单一属性评估器+排序方法 属性子集评估器有 CfssubEval：综合考虑单一属性的预测值和属性间的重复度。 classifiersubsetEval：用评估器评估属性集 consistencySubsetEval：将训练数据集映射到属性机上来检测类型的一致性 WrapperSubsetEval：使用分类器和交叉验证（包装方法） 搜索方法有 bestFirst：回溯的贪婪搜索 ExhaustiveSearch：穷举搜索 GeneticSearch：使用遗传算法搜索 GreedyStepwise：不回溯的贪婪搜索 randomSearch：随机搜索 RankSearch：排列属性并使用属性子集评估器将有潜力的属性进行排序 单一属性评估器 ChiSquaredAttributeEval：以基于类的X2为依据的属性评估 GainRationAttributeEval：以增益率为依据的属性评估 InfoGainAttributeEval：以信息增益为依据的属性评估 OneRAttributeEval：以OneR的方法论来评估属性 PrincipleComponent：进行主成分的分析和转换 ReliefAttributeEval：基于实例的属性评估器

如果你现在还不努力，那么将来的你会过的更加吃力。 1 选择属性 属性选择是通过搜索数据中所有可能的属性组合，以找到预测效果最好的属性子集。手工选择属性既繁琐又容易出错，为了帮助用户事项选择属性自动化。Weka中提供了选择属性面板。要自动选择属性需要设立两个对象：属性评估器和搜索方法，如下图所示： 属性评估器确定使用什么方法给每个属性分配一个评估值，搜索方法决定执行什么风格的搜索。 2 选择属性算法的介绍 2-1 属性子集评估器 属性子集评估器选取属性的一个子集，并且返回一个指导搜索的度量数值。 CfsSubsetEval评估器评估每个属性的预测能力以及相互之间的冗余度，倾向于选择与类别属性相关度高，但是相互之间相关度第的属性。选项迭代添加与类别属性相关度最高的属性，只要是子集中不包含与当前属性相关更高的属性。 评估器将缺失值作为单独值，也可以将缺失值计数与其他的值一起按照出现频率分布。 WrapperSubsetEval评估器是包装器方法。它使用一个分类器来评估属性集，它对每个子集采用交叉验证估计学习方案的准确性。 2-2 单个属性评估器 单个属性评估器和Ranker搜索方法一起使用，Ranker产生一个丢弃若干属性后得到的给定数目的属性列表。 ReliefAttributeEval是基于实例的评估器，它随机抽取样本，并检查具有相同和不同类别的邻近实例