WEKA中文詳細(xì)教程

1、2020/7/9/1，數(shù)據(jù)挖掘工具- WEKA教程，WEKA介紹。2數(shù)據(jù)集。11數(shù)據(jù)準(zhǔn)備。24數(shù)據(jù)預(yù)處理36分類63聚類。184關(guān)聯(lián)規(guī)則225選擇屬性244數(shù)據(jù)可視化253知識(shí)流接口275，WEKA介紹。2/1，2020，WEKA的全名是用于知識(shí)分析的懷卡托環(huán)境。WEKA在新西蘭也是一個(gè)鳥的名字。這是一個(gè)機(jī)器學(xué)習(xí)/數(shù)據(jù)挖掘開源軟件，由新西蘭懷卡托大學(xué)的韋卡團(tuán)隊(duì)用Java開發(fā)。2005年8月，在第11屆ACM SIGKDD國(guó)際會(huì)議上，懷卡托大學(xué)的WEKA團(tuán)隊(duì)獲得了數(shù)據(jù)挖掘和知識(shí)探索領(lǐng)域的最高服務(wù)獎(jiǎng)，WEKA系統(tǒng)被公認(rèn)為數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)歷史上的里程碑，是當(dāng)今最完整的數(shù)據(jù)挖掘工具之一。WEKA每月

2、被下載超過10，000次。2020/7/9/3，WEKA軟件，這是一個(gè)綜合數(shù)據(jù)挖掘工具，集成了數(shù)據(jù)預(yù)處理、學(xué)習(xí)算法(分類、回歸、聚類、關(guān)聯(lián)分析)和評(píng)估方法。具有交互式視覺界面。提供算法學(xué)習(xí)和比較環(huán)境，通過其界面，可以實(shí)現(xiàn)自己的數(shù)據(jù)挖掘算法。WEKA接口，2020/7/9，4、探索環(huán)境、命令行環(huán)境、知識(shí)流環(huán)境、算法測(cè)試環(huán)境、2020/7/9，5、資源管理器環(huán)境，2020/7/9，6，輸入預(yù)處理：選擇并修改要處理的數(shù)據(jù)。分類：訓(xùn)練和測(cè)試分類或回歸模型。聚類：從數(shù)據(jù)中聚類。關(guān)聯(lián)：從數(shù)據(jù)中學(xué)習(xí)關(guān)聯(lián)規(guī)則。選擇屬性：選擇數(shù)據(jù)中最相關(guān)的屬性?？梢暬翰榭磾?shù)據(jù)的二維散點(diǎn)圖。區(qū)域2是一些常用的按鈕。包括打開、編

3、輯、保存數(shù)據(jù)和數(shù)據(jù)轉(zhuǎn)換等功能。例如，我們可以將文件“bank-data.csv”保存為“bank-data.arff”。在區(qū)域3中，您可以選擇過濾器來過濾數(shù)據(jù)或轉(zhuǎn)換數(shù)據(jù)。數(shù)據(jù)預(yù)處理主要通過它來實(shí)現(xiàn)。2020年7月9日，區(qū)域4顯示了基本信息，如關(guān)系名稱、屬性數(shù)和數(shù)據(jù)集實(shí)例數(shù)。數(shù)據(jù)集的所有屬性都列在區(qū)域5中。檢查一些屬性并“刪除”以刪除它們。刪除后，您還可以使用區(qū)域2中的“撤消”按鈕來檢索它們。區(qū)域5上方的一行按鈕用于快速檢查。在區(qū)域5中選擇的當(dāng)前屬性的概要顯示在區(qū)域6中。摘要包括屬性名稱、屬性類型、缺失值的數(shù)量和比例、不同值的數(shù)量、唯一值的數(shù)量和比例。該圖顯示了數(shù)字屬性“收入”的匯總。數(shù)字屬性顯

4、示最小、最大、平均和標(biāo)準(zhǔn)偏差。標(biāo)稱屬性顯示每個(gè)不同值的計(jì)數(shù)，2020/7/9/8，區(qū)域7是區(qū)域5中所選屬性的直方圖。如果數(shù)據(jù)集的最后一個(gè)屬性(它是分類或回歸任務(wù)的默認(rèn)目標(biāo)變量)是類標(biāo)簽變量(例如，“pep”)，則直方圖中的每個(gè)矩形將根據(jù)該變量的比例分成不同顏色的段。要更改分段的基礎(chǔ)，請(qǐng)?jiān)趨^(qū)域7上方的下拉框中選擇不同的分類屬性。在下拉框中選擇“無類別”，否則數(shù)字屬性將變成黑白直方圖。2020/7/9、9以及區(qū)域8的窗口底部區(qū)域，包括狀態(tài)欄、日志按鈕和Weka鳥。狀態(tài)欄會(huì)顯示一些信息，讓您知道自己在做什么。例如，如果資源管理器正忙于加載文件，狀態(tài)欄中將會(huì)出現(xiàn)一個(gè)通知。右鍵單擊狀態(tài)欄中的任意位置，將

5、出現(xiàn)一個(gè)小菜單。該菜單提供兩個(gè)選項(xiàng)：內(nèi)存信息-顯示W(wǎng)EKA中可用的內(nèi)存量。運(yùn)行垃圾收集器-強(qiáng)制運(yùn)行Java垃圾收集器，搜索不再需要的內(nèi)存空間并釋放它，以便為新任務(wù)分配更多內(nèi)存。日志按鈕可以查看weka操作的日志。如果右邊的weka鳥正在移動(dòng)，這意味著WEKA正在執(zhí)行挖掘任務(wù)。2020/7/9，10，知識(shí)流環(huán)境，2020/7/9，11，2，WEKA數(shù)據(jù)集，WEKA處理的數(shù)據(jù)集是一個(gè)二維表。arff文件，2020/7/9，12，表中的水平線稱為實(shí)例，相當(dāng)于統(tǒng)計(jì)數(shù)據(jù)。垂直線稱為屬性，相當(dāng)于統(tǒng)計(jì)數(shù)據(jù)中的變量或數(shù)據(jù)庫中的字段。在WEKA看來，這樣的表或數(shù)據(jù)集表示屬性之間的關(guān)系。上圖中有14個(gè)實(shí)例和5個(gè)屬

6、性，關(guān)系名為“天氣”。WEKA以ARFF(屬性關(guān)系文件格式)文件存儲(chǔ)數(shù)據(jù)，這是一個(gè)ASCII文本文件。上面顯示的二維表格存儲(chǔ)在以下ARFF文件中。這是WEKA自己的“weather.arff”文件，可以在WEKA安裝目錄的“data”子目錄中找到。關(guān)系天氣屬性展望晴天，陰天，雨天屬性溫度真實(shí)屬性濕度真實(shí)屬性風(fēng)真實(shí)屬性假屬性播放是，無數(shù)據(jù)晴天，85，85，假，無晴天，80，90，真，無陰天，83，86，假，有雨天，70，96，假，有雨天，68，80，假，有雨天，65，70，真，無陰天，64，65，真，有晴天，72，95，假，無晴天，69，70，假，是ARFF，可以通過寫字板打開和編輯。刪除注釋后

7、，整個(gè)ARFF文件可以分為兩部分。的第一部分給出了Head信息，包括關(guān)系聲明和屬性聲明。第二部分給出數(shù)據(jù)信息，即數(shù)據(jù)集中給出的數(shù)據(jù)。從“數(shù)據(jù)”標(biāo)簽開始，數(shù)據(jù)信息如下。2020/7/9/16，relation declaration，關(guān)系名稱在ARFF文件的第一個(gè)有效行中定義，格式為：relation是一個(gè)字符串。如果該字符串包含空格，則必須用引號(hào)括起來(英文標(biāo)點(diǎn)的單引號(hào)或雙引號(hào))。2020/7/9/17，屬性聲明，由以“attribute”開頭的語句列表表示。數(shù)據(jù)集中的每個(gè)屬性都有相應(yīng)的“attribute”語句來定義其屬性名和數(shù)據(jù)類型):attribute，它必須是以字母開頭的字符串。與關(guān)系

8、名一樣，如果該字符串包含空格，則必須用引號(hào)引起來。屬性聲明語句的順序很重要，它指示了屬性在數(shù)據(jù)段中的位置。例如，“濕度”是第三個(gè)聲明的屬性，這意味著在數(shù)據(jù)部分用逗號(hào)分隔的列中，數(shù)據(jù)85 90 86 96.第二列(從第0列開始)是相應(yīng)的“濕度”值。其次，最后聲明的屬性稱為類屬性，它是分類或回歸任務(wù)中的默認(rèn)目標(biāo)變量。2020/7/9/18，數(shù)據(jù)類型，WEKA支持四種數(shù)據(jù)類型：數(shù)值型、名義型、字符串型、日期和時(shí)間型，也可以使用“整數(shù)”和“實(shí)數(shù)”兩種類型，但WEKA將其視為“數(shù)字”。注意：“整數(shù)”、“實(shí)數(shù)”、“數(shù)字”、“日期”和“字符串”區(qū)分大小寫，而“關(guān)系”、“屬性”和“數(shù)據(jù)”不區(qū)分大小寫。2020

9、/7/9/19，數(shù)字屬性可以是整數(shù)或?qū)崝?shù)，但WEKA將它們視為實(shí)數(shù)。例如，屬性溫度實(shí)字符串屬性字符串屬性可以包含任意文本。示例：屬性LCC字符串，2020/7/9，20，標(biāo)稱屬性標(biāo)稱屬性列出了一系列可能的類別名稱，并將它們放在大括號(hào)中：數(shù)據(jù)集中此屬性的值只能是類別之一。例如，屬性聲明：屬性展望晴、陰、雨顯示有三類“展望”屬性：“晴”、“陰”和“雨”。對(duì)應(yīng)于數(shù)據(jù)集中每個(gè)實(shí)例的“outlook”值必須是三個(gè)值之一。如果類名有空格，仍然需要用引號(hào)括起來。2020/7/9/21，日期和時(shí)間屬性統(tǒng)一用“date”類型表示，其格式為：attribute date，這是一個(gè)字符串，用于指定如何解析和顯示日期

10、或時(shí)間的格式。默認(rèn)字符串是由ISO-8601給出的日期時(shí)間組合格式：“yyyy-mm-DD HH: mm3360 ss”，數(shù)據(jù)信息部分表示的日期字符串必須滿足聲明中規(guī)定的格式要求。例如，屬性時(shí)間戳日期yyyy-mm-DD hh :mm 3360 sdata 2011-05-03 12:59336055，2020/7/9/22，數(shù)據(jù)信息，數(shù)據(jù)信息中的“數(shù)據(jù)”標(biāo)記占據(jù)一行，其余是每個(gè)實(shí)例的數(shù)據(jù)。每個(gè)實(shí)例占用一行，實(shí)例的屬性值用逗號(hào)分隔。如果屬性值缺少值，請(qǐng)使用問號(hào)“？”說，這個(gè)問號(hào)不能省略。示例：數(shù)據(jù)sunny，85，85，F(xiàn)ALSE，否？78，90？是的，2020/7/9/23，稀疏數(shù)據(jù)。有時(shí)數(shù)

11、據(jù)集包含大量的0值。此時(shí)，以稀疏格式存儲(chǔ)數(shù)據(jù)更節(jié)省空間。稀疏格式意味著對(duì)于數(shù)據(jù)信息中對(duì)象的表示，ARFF文件的其他部分不需要修改。例如，數(shù)據(jù)：數(shù)據(jù)0，X，0，Y，classa0，0，W，0，classb是以稀疏格式表示的數(shù)據(jù)1 X，3 Y，A 2 W，4 B類。注意：ARFF數(shù)據(jù)集最左邊的屬性列是第0列，所以1 X表示X是第一列的屬性值。2020/7/9，24，3。ARFF文件數(shù)據(jù)直接用于數(shù)據(jù)準(zhǔn)備和數(shù)據(jù)采集。從CSV、C4.5、二進(jìn)制和其他格式文件導(dǎo)入。通過JDBC從數(shù)據(jù)庫中讀取數(shù)據(jù)。從統(tǒng)一資源定位器獲取網(wǎng)絡(luò)資源數(shù)據(jù)。數(shù)據(jù)格式轉(zhuǎn)換ARFF格式是WEKA支持的最好的文件格式。當(dāng)WEKA用于數(shù)據(jù)挖

12、掘時(shí)，第一個(gè)問題是數(shù)據(jù)不是ARFF格式的。WEKA還提供對(duì)CSV文件的支持，這是由許多其他軟件(如Excel)支持的。您可以使用WEKA將CSV文件格式轉(zhuǎn)換為ARFF文件格式。2020/7/9/25，數(shù)據(jù)資源，WEKA自己的數(shù)據(jù)表程序文件WEKA-3-6數(shù)據(jù)網(wǎng)絡(luò)數(shù)據(jù)資源http:/archive . ics . UCI . edu/ml/dataset . html，2020/7/9，26， XLS.csv.arff，Excel XLS文件可以將多個(gè)2D表放在不同的工作表中，并且只將每個(gè)工作表保存為不同的csv文件。打開XLS文件，切換到要轉(zhuǎn)換的工作表，將其保存為CSV類型，單擊“確定”、“是

13、”，忽略提示完成操作。在WEKA中打開一個(gè)CSV文件，并將其保存為ARFF文件。2020/7/9/27，在Excel中打開Iris.xls文件，2020/7/9/28，2020/7/9/29，并將Iris.xls另存為iris.csv文件，2020/7/9/30，2020/7 2020/7/9，33，2020/7/9，34，保存iris。csv為iris。arff文件，2020/7/9，35，2020/7/9，36，4，數(shù)據(jù)預(yù)處理，在WEKA中，數(shù)據(jù)預(yù)處理工具稱為過濾器(。“過濾器”列用于為各種過濾器進(jìn)行必要的設(shè)置。選擇按鈕：點(diǎn)擊此按鈕選擇WEKA中的過濾器。選擇過濾器后，其名稱和選項(xiàng)將顯示在“選擇”按鈕旁邊的文本框中。2020/7/9/37，加載數(shù)據(jù)，瀏覽器預(yù)處理頁面區(qū)域2的前四個(gè)按鈕用于將數(shù)據(jù)加載到WEKA:打開文件.打開一個(gè)對(duì)話框，允許您瀏覽本地文件系統(tǒng)上的數(shù)據(jù)文件。打開網(wǎng)址.請(qǐng)求存儲(chǔ)數(shù)據(jù)的網(wǎng)址。開放數(shù)據(jù)庫.從數(shù)據(jù)庫中讀取數(shù)據(jù)。產(chǎn)生.從一些數(shù)據(jù)生