〖数据挖掘〗weka3.8.6的安装与使用(1)

简介: Weka的全名是怀卡托智能分析环境(Waikato Environment for Knowledge Analysis),是一款免费的,非商业化软件,与之对应的是SPSS公司商业数据挖掘产品--Clementine ;weka是基于JAVA环境下开源的机器学习(machine learning)以及数据挖掘(data mining)软件。Weka的主要开发者来自新西兰的怀卡托大学(The University of Waikato)。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

目录


背景


一、安装


二、使用explorer


1. 介绍


2.打开自带的数据集(Preprocess)


1.打开步骤


2.查看属性和数据编辑


3.classify


4.Cluster


5.Associate


6.Select attributes


7.Visualize


待补充


背景

Weka的全名是怀卡托智能分析环境(Waikato Environment for Knowledge Analysis),是一款免费

的,非商业化软件,与之对应的是SPSS公司商业数据挖掘产品--Clementine ;weka是基于JAVA环境下开源的

机器学习(machine learning)以及数据挖掘(data mining)软件。Weka的主要开发者来自新西兰的怀卡托大学(The University of Waikato)。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。


一、安装

安装简单,一路next。


1.打开weka3.8.6的安装包

5fb4511cb50bd34f74f22c434dec99ef_01a951b74d564fc6a163646f64f61793.png



2.点击 next


7983708b22633628e28c453880311c25_fc075071a2ca4ce781b3893ec5e31aa2.png


3.点击I Agree

c8dd2195c8d476304402e0fee1b5c40c_1a1770dee2484f2a89fb0a87121f1440.png



4.点击next


7b41043d2b92f37b6dc429b905c8bcc4_f413b17809164c7eb582fc20fc46a10a.png


5.选择安装路径如:D:\weka-3-8-6


8b9f0f2f0ca18d770c9dd687e25bd14b_0eb3e6ea3ebc4e5189bba8655f82f0ac.png


6.点击install


b361b6fbe2654b89c1f06b2837efc472_9aa430e8e47045eea074f1b943fd0740.png


等待后,finish。下面是安装成功后打开的初始界面

5d87139d6964009f420bc1a33363a304_d257cfe5582f4121bb138ff161730403.png

二、使用explorer


74c95fe802750884ff5fc0272368f445_bb3bb2f14f8a4b479f02ad2b4844fbe9.png

1. 介绍

84e25096d6cc3af3b48c794f9bf9ee29_5832686aa24c45e99253b48d03ed201b.png


Preprocess:预处理

Classify:分类

Cluster:聚类

Associate:关联

Select attributes:选择属性

Visualize:可视化

69328968c0f3b891707a919f084b3b0e_e3c730d43d4245a0887bcac5a08e5a73.png



open file:从文件中打开一组实例

open URL:从URL中打开一组实例

open DB:从数据库中打开一组实例

generate:生成人工数据

undo:撤销对数据集最后更改

edit:在查看器中打开当前数据集进行编辑

save:将工作关系保存到文件中

f10c8073468a383920cda4813ee0e32b_2fa52ca9246f4acba8585f27e8750598.png

属性


ALL:全选

None:全不选

invert:取反

pattern:输入perl正则表达式

d7c72e67d037f13672403c72ca0a3b69_2b52ccf01a1544df95502cc4755df3b3.png


该位置展示具体属性都有什么


remove:选择属性后,点击删除,可用undo撤回。

4ec00acf7982ce1ca580ba891798ba42_aae1d5c2df6247b9ba9e5fa181f8cc67.png


当前的关系


关系:投票  属性:17

实例:435   权重和:435

目录
相关文章
|
7月前
|
机器学习/深度学习 算法 数据挖掘
〖数据挖掘〗weka3.8.6的安装与使用(2)
选择其中一个数据集打开,我选择的是vote.arff
66 0
|
机器学习/深度学习 存储 算法
数据挖掘系列(4)_Excel的数据挖掘插件_预测
使用预测向导可以预测时序中的值。 预测向导使用 Microsoft 时序算法,该算法是一个用于预测连续列(例如产品销售)的回归算法。
数据挖掘系列(4)_Excel的数据挖掘插件_预测
|
机器学习/深度学习 SQL 算法
数据挖掘系列(3)_Excel的数据挖掘插件_估计分析
本篇博客使用SQL Server的数据挖掘客户端插件来在Excel上面进行估计分析。
数据挖掘系列(3)_Excel的数据挖掘插件_估计分析
|
数据挖掘 Java BI
用 WEKA 进行数据挖掘 (1)简介和回归
用 WEKA 进行数据挖掘 (1)简介和回归
1990 0
|
机器学习/深度学习 算法 搜索推荐
Python数据挖掘与机器学习,快速掌握聚类算法和关联分析
前文数据挖掘与机器学习技术入门实战与大家分享了分类算法,在本文中将为大家介绍聚类算法和关联分析问题。分类算法与聚类到底有何区别?聚类方法应在怎样的场景下使用?如何使用关联分析算法解决个性化推荐问题?本文就为大家揭晓答案。
16224 0
|
数据采集 算法 数据可视化
|
机器学习/深度学习 算法 Java
使用Weka快速实践机器学习算法
【译者注】在当下人工智能火爆发展的局面,每时每刻都有新的技术在诞生,但如果你是一个新手,Weka或许能帮助你直观、快速的感受机器学习带来的解决问题的新思路。 Weka使机器学习的应用变得简单、高效并且充满乐趣。
2479 0