目录
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
2.点击 next
3.点击I Agree
4.点击next
5.选择安装路径如：D:\weka-3-8-6
6.点击install
等待后，finish。下面是安装成功后打开的初始界面
二、使用explorer
1. 介绍
Preprocess：预处理
Classify：分类
Cluster：聚类
Associate：关联
Select attributes：选择属性
Visualize：可视化
- 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
属性
- ALL：全选
- None：全不选
- invert：取反
- pattern：输入perl正则表达式
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。
当前的关系
- 关系:投票 属性:17
- 实例:435 权重和:435
2.打开自带的数据集(Preprocess)
1.打开步骤
选择openfile
选择data文件
这里我们可以看到一些weka自带的数据集
选择其中一个数据集打开，我选择的是vote.arff
2.查看属性和数据编辑
2.1查看属性
选择属性，可以下拉查看并选择
Visualize All：查看所有属性直方图
2.2数据编辑
点击Edit，弹出viewer，在这里面可以查看并编辑数据。
3.classify
分类是指根据事物的某些共同特征，将它们分成若干组或类别，以达到简化、归纳和管理的目的。在机器学习领域中，分类是指根据已有数据集中的特征和标签信息，训练出一个算法模型，用于预测新样本所属的类别。分类问题是机器学习中最常见的问题类型，其应用广泛，如垃圾邮件识别、图像分类、医学诊断等等。机器学习中一些常见的分类算法包括决策树、支持向量机、朴素贝叶斯、神经网络等。
测试选项
- Use training set：使用训练集
- Supplied test set：提供测试集
- Cross-validation：交叉验证
- Percentage split：按比例分配
- start：点击即用
4.Cluster
聚类是指根据一组数据的相似性，将它们分为若干个组或簇，使得同一个簇内的元素彼此相似，不同簇之间的元素差异较大。聚类是无监督学习领域中的重要问题，与分类问题不同，聚类问题中没有预先定义好的标签信息，需要通过算法自动挖掘数据的内在结构和规律。聚类算法可以应用于数据挖掘、图像分割、社交网络分析等领域，是机器学习中的重要研究方向。常见的聚类算法有K-means、层次聚类、DBSCAN、OPTICS等。
集群模式【Cluster mode】
- Use training set：使用训练集
- Supplied test set：提供测试集
- Percentage split：比例分割
- Classes to clusters evalation：类到聚类的评估
5.Associate
6.Select attributes
属性选择模式
-
Use full training set：使用完整的训练集
- Cross-validation：交叉验证
7.Visualize
- update:更新
- select attribute：选择属性
- subsample：子样品