WEKA中文详细教程

1、2020/7/9/1，数据挖掘工具- WEKA教程，WEKA介绍。2数据集。11数据准备。24数据预处理36分类63聚类。184关联规则225选择属性244数据可视化253知识流接口275，WEKA介绍。2/1，2020，WEKA的全名是用于知识分析的怀卡托环境。WEKA在新西兰也是一个鸟的名字。这是一个机器学习/数据挖掘开源软件，由新西兰怀卡托大学的韦卡团队用Java开发。2005年8月，在第11届ACM SIGKDD国际会议上，怀卡托大学的WEKA团队获得了数据挖掘和知识探索领域的最高服务奖，WEKA系统被公认为数据挖掘和机器学习历史上的里程碑，是当今最完整的数据挖掘工具之一。WEKA每月

2、被下载超过10，000次。2020/7/9/3，WEKA软件，这是一个综合数据挖掘工具，集成了数据预处理、学习算法(分类、回归、聚类、关联分析)和评估方法。具有交互式视觉界面。提供算法学习和比较环境，通过其界面，可以实现自己的数据挖掘算法。WEKA接口，2020/7/9，4、探索环境、命令行环境、知识流环境、算法测试环境、2020/7/9，5、资源管理器环境，2020/7/9，6，输入预处理：选择并修改要处理的数据。分类：训练和测试分类或回归模型。聚类：从数据中聚类。关联：从数据中学习关联规则。选择属性：选择数据中最相关的属性。可视化：查看数据的二维散点图。区域2是一些常用的按钮。包括打开、编

3、辑、保存数据和数据转换等功能。例如，我们可以将文件“bank-data.csv”保存为“bank-data.arff”。在区域3中，您可以选择过滤器来过滤数据或转换数据。数据预处理主要通过它来实现。2020年7月9日，区域4显示了基本信息，如关系名称、属性数和数据集实例数。数据集的所有属性都列在区域5中。检查一些属性并“删除”以删除它们。删除后，您还可以使用区域2中的“撤消”按钮来检索它们。区域5上方的一行按钮用于快速检查。在区域5中选择的当前属性的概要显示在区域6中。摘要包括属性名称、属性类型、缺失值的数量和比例、不同值的数量、唯一值的数量和比例。该图显示了数字属性“收入”的汇总。数字属性显

4、示最小、最大、平均和标准偏差。标称属性显示每个不同值的计数，2020/7/9/8，区域7是区域5中所选属性的直方图。如果数据集的最后一个属性(它是分类或回归任务的默认目标变量)是类标签变量(例如，“pep”)，则直方图中的每个矩形将根据该变量的比例分成不同颜色的段。要更改分段的基础，请在区域7上方的下拉框中选择不同的分类属性。在下拉框中选择“无类别”，否则数字属性将变成黑白直方图。2020/7/9、9以及区域8的窗口底部区域，包括状态栏、日志按钮和Weka鸟。状态栏会显示一些信息，让您知道自己在做什么。例如，如果资源管理器正忙于加载文件，状态栏中将会出现一个通知。右键单击状态栏中的任意位置，将

5、出现一个小菜单。该菜单提供两个选项：内存信息-显示WEKA中可用的内存量。运行垃圾收集器-强制运行Java垃圾收集器，搜索不再需要的内存空间并释放它，以便为新任务分配更多内存。日志按钮可以查看weka操作的日志。如果右边的weka鸟正在移动，这意味着WEKA正在执行挖掘任务。2020/7/9，10，知识流环境，2020/7/9，11，2，WEKA数据集，WEKA处理的数据集是一个二维表。arff文件，2020/7/9，12，表中的水平线称为实例，相当于统计数据。垂直线称为属性，相当于统计数据中的变量或数据库中的字段。在WEKA看来，这样的表或数据集表示属性之间的关系。上图中有14个实例和5个属

6、性，关系名为“天气”。WEKA以ARFF(属性关系文件格式)文件存储数据，这是一个ASCII文本文件。上面显示的二维表格存储在以下ARFF文件中。这是WEKA自己的“weather.arff”文件，可以在WEKA安装目录的“data”子目录中找到。关系天气属性展望晴天，阴天，雨天属性温度真实属性湿度真实属性风真实属性假属性播放是，无数据晴天，85，85，假，无晴天，80，90，真，无阴天，83，86，假，有雨天，70，96，假，有雨天，68，80，假，有雨天，65，70，真，无阴天，64，65，真，有晴天，72，95，假，无晴天，69，70，假，是ARFF，可以通过写字板打开和编辑。删除注释后

7、，整个ARFF文件可以分为两部分。的第一部分给出了Head信息，包括关系声明和属性声明。第二部分给出数据信息，即数据集中给出的数据。从“数据”标签开始，数据信息如下。2020/7/9/16，relation declaration，关系名称在ARFF文件的第一个有效行中定义，格式为：relation是一个字符串。如果该字符串包含空格，则必须用引号括起来(英文标点的单引号或双引号)。2020/7/9/17，属性声明，由以“attribute”开头的语句列表表示。数据集中的每个属性都有相应的“attribute”语句来定义其属性名和数据类型):attribute，它必须是以字母开头的字符串。与关系

8、名一样，如果该字符串包含空格，则必须用引号引起来。属性声明语句的顺序很重要，它指示了属性在数据段中的位置。例如，“湿度”是第三个声明的属性，这意味着在数据部分用逗号分隔的列中，数据85 90 86 96.第二列(从第0列开始)是相应的“湿度”值。其次，最后声明的属性称为类属性，它是分类或回归任务中的默认目标变量。2020/7/9/18，数据类型，WEKA支持四种数据类型：数值型、名义型、字符串型、日期和时间型，也可以使用“整数”和“实数”两种类型，但WEKA将其视为“数字”。注意：“整数”、“实数”、“数字”、“日期”和“字符串”区分大小写，而“关系”、“属性”和“数据”不区分大小写。2020

9、/7/9/19，数字属性可以是整数或实数，但WEKA将它们视为实数。例如，属性温度实字符串属性字符串属性可以包含任意文本。示例：属性LCC字符串，2020/7/9，20，标称属性标称属性列出了一系列可能的类别名称，并将它们放在大括号中：数据集中此属性的值只能是类别之一。例如，属性声明：属性展望晴、阴、雨显示有三类“展望”属性：“晴”、“阴”和“雨”。对应于数据集中每个实例的“outlook”值必须是三个值之一。如果类名有空格，仍然需要用引号括起来。2020/7/9/21，日期和时间属性统一用“date”类型表示，其格式为：attribute date，这是一个字符串，用于指定如何解析和显示日期

10、或时间的格式。默认字符串是由ISO-8601给出的日期时间组合格式：“yyyy-mm-DD HH: mm3360 ss”，数据信息部分表示的日期字符串必须满足声明中规定的格式要求。例如，属性时间戳日期yyyy-mm-DD hh :mm 3360 sdata 2011-05-03 12:59336055，2020/7/9/22，数据信息，数据信息中的“数据”标记占据一行，其余是每个实例的数据。每个实例占用一行，实例的属性值用逗号分隔。如果属性值缺少值，请使用问号“？”说，这个问号不能省略。示例：数据sunny，85，85，FALSE，否？78，90？是的，2020/7/9/23，稀疏数据。有时数

11、据集包含大量的0值。此时，以稀疏格式存储数据更节省空间。稀疏格式意味着对于数据信息中对象的表示，ARFF文件的其他部分不需要修改。例如，数据：数据0，X，0，Y，classa0，0，W，0，classb是以稀疏格式表示的数据1 X，3 Y，A 2 W，4 B类。注意：ARFF数据集最左边的属性列是第0列，所以1 X表示X是第一列的属性值。2020/7/9，24，3。ARFF文件数据直接用于数据准备和数据采集。从CSV、C4.5、二进制和其他格式文件导入。通过JDBC从数据库中读取数据。从统一资源定位器获取网络资源数据。数据格式转换ARFF格式是WEKA支持的最好的文件格式。当WEKA用于数据挖

12、掘时，第一个问题是数据不是ARFF格式的。WEKA还提供对CSV文件的支持，这是由许多其他软件(如Excel)支持的。您可以使用WEKA将CSV文件格式转换为ARFF文件格式。2020/7/9/25，数据资源，WEKA自己的数据表程序文件WEKA-3-6数据网络数据资源http:/archive . ics . UCI . edu/ml/dataset . html，2020/7/9，26， XLS.csv.arff，Excel XLS文件可以将多个2D表放在不同的工作表中，并且只将每个工作表保存为不同的csv文件。打开XLS文件，切换到要转换的工作表，将其保存为CSV类型，单击“确定”、“是

13、”，忽略提示完成操作。在WEKA中打开一个CSV文件，并将其保存为ARFF文件。2020/7/9/27，在Excel中打开Iris.xls文件，2020/7/9/28，2020/7/9/29，并将Iris.xls另存为iris.csv文件，2020/7/9/30，2020/7 2020/7/9，33，2020/7/9，34，保存iris。csv为iris。arff文件，2020/7/9，35，2020/7/9，36，4，数据预处理，在WEKA中，数据预处理工具称为过滤器(。“过滤器”列用于为各种过滤器进行必要的设置。选择按钮：点击此按钮选择WEKA中的过滤器。选择过滤器后，其名称和选项将显示在“选择”按钮旁边的文本框中。2020/7/9/37，加载数据，浏览器预处理页面区域2的前四个按钮用于将数据加载到WEKA:打开文件.打开一个对话框，允许您浏览本地文件系统上的数据文件。打开网址.请求存储数据的网址。开放数据库.从数据库中读取数据。产生.从一些数据生