weka數據挖掘工具3.8中文版

weka數據挖掘工具3.8中文版是一款非常好用的數據庫類軟件，集合了大量數據挖掘任務的機器學習算法，用戶可以通過軟件來進行一係列的數據管理或者是處理。軟件的功能很好用，是進行數據分析或者是挖掘必備的一款軟件，歡迎需要的用戶前來下載。

weka(數據挖掘)3.8中文版功能

原理與實現

聚類分析中的“類”(cluster)和前麵分類的“類”(class)是不同的，對cluster更加準確的翻譯應該是“簇”。聚類的任務是把 所有的實例分配到若幹的簇，使得同一個簇的實例聚集在一個簇中心的周圍，它們之間距離的比較近;而不同簇實例之間的距離比較遠。對於由數值型屬性刻畫的實 例來說，這個距離通常指歐氏距離。

模型應用

現在我們要用生成的模型對那些待預測的數據集進行預測了。注意待預測數據集和訓練用數據集各個屬性的設置必須是一致的。即使你沒有待預測數據集的Class屬性的值，你也要添加這個屬性，可以將該屬性在各實例上的值均設成缺失值。

在“Test Opion”中選擇“Supplied test set”，並且“Set”成你要應用模型的數據集，這裏是“bank-new.arff”文件。

現在，右鍵點擊“Result list”中剛產生的那一項，選擇“Re-evaluate model on current test set”。右邊顯示結果的區域中會增加一些內容，告訴你該模型應用在這個數據集上表現將如何。如果你的Class屬性都是些缺失值，那這些內容是無意義 的，我們關注的是模型在新數據集上的預測值。

現在點擊右鍵菜單中的“Visualize classifier errors”，將彈出一個新窗口顯示一些有關預測誤差的散點圖。點擊這個新窗口中的“Save”按鈕，保存一個Arff文件。打開這個文件可以看到在倒 數第二個位置多了一個屬性(predictedpep)，這個屬性上的值就是模型對每個實例的預測值。

建模結果

OK，選上“Cross-validation”並在“Folds”框填上“10”。點“Start”按鈕開始讓算法生成決策樹模型。很快，用文 本表示的一棵決策樹，以及對這個決策樹的誤差分析等等結果出現在右邊的“Classifier output”中。同時左下的“Results list”出現了一個項目顯示剛才的時間和算法名稱。如果換一個模型或者換個參數，重新“Start”一次，則“Results list”又會多出一項。

weka(數據挖掘)3.8中文版說明

WEKA文件相關術語

表格裏的一個橫行稱作一個實例(Instance)，相當於統計學中的一個樣本，或者數據庫中的一條記錄。豎行稱作一個屬性(Attribute)，相當於統計學中的一個變量，或者數據庫中的一個字段。這樣一個表格，或者叫數據集，在WEKA看來，呈現了屬性之間的一種關係(Relation)。上圖中一共有14個實例，5個屬性，關係名稱為“weather”。

WEKA存儲數據的格式是ARFF(Attribute-Relation File Format)文件，這是一種ASCII文本文件。上圖所示的二維表格存儲在如下的ARFF文件中。這也就是WEKA自帶的“weather.arff”文件，在WEKA安裝目錄的“data”子目錄下可以找到。

文件內容說明

識別ARFF文件的重要依據是分行，因此不能在這種文件裏隨意的斷行。空行(或全是空格的行)將被忽略。以“%”開始的行是注釋，WEKA將忽略這些行。如果你看到的“weather.arff”文件多了或少了些“%”開始的行，是沒有影響的。

除去注釋後，整個ARFF文件可以分為兩個部分。

第一部分給出了頭信息(Head information)，包括了對關係的聲明和對屬性的聲明。

第二部分給出了數據信息(Data information)，即數據集中給出的數據。從“@data”標記開始，後麵的就是數據信息了。

關係聲明

關係名稱在ARFF文件的第一個有效行來定義，格式為@relation

是一個字符串。如果這個字符串包含空格，它必須加上引號(指英文標點的單引號或雙引號)。

屬性聲明

屬性聲明用一列以“@attribute”開頭的語句表示。數據集中的每一個屬性都有它對應的“@attribute”語句，來定義它的屬性名稱和數據類型。

這些聲明語句的順序很重要。首先它表明了該項屬性在數據部分的位置。例如，“humidity”是第三個被聲明的屬性，這說明數據部分那些被逗號分開的列中，第三列數據85 90 86 96 ... 是相應的“humidity”值。其次，最後一個聲明的屬性被稱作class屬性，在分類或回歸任務中，它是默認的目標變量。屬性聲明的格式為

@attribute

其中是必須以字母開頭的字符串。和關係名稱一樣，如果這個字符串包含空格，它必須加上引號。

數值屬性

數值型屬性可以是整數或者實數，但WEKA把它們都當作實數看待。

標稱屬性

標稱屬性由列出一係列可能的類別名稱並放在花括號中：{, ,

, ...} 。數據集中該屬性的值隻能是其中一種類別。

例如如下的屬性聲明說明“outlook”屬性有三種類別：“sunny”，“overcast”和“rainy”。而數據集中每個實例對應的“outlook”值必是這三者之一。

@attribute outlook {sunny, overcast, rainy}

如果類別名稱帶有空格，仍需要將之放入引號中。