weka平臺(tái)使用方法 關(guān)聯(lián)+分聚類

《weka平臺(tái)使用方法 關(guān)聯(lián)+分聚類》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、目錄1第一章11.1知識(shí)獲取平臺(tái)—Weka簡(jiǎn)介11.2第二節(jié)Weka中的數(shù)據(jù)準(zhǔn)備41.3第三節(jié)Weka運(yùn)行演示62第二章關(guān)聯(lián)規(guī)則（購(gòu)物籃分析）102.1第一節(jié)關(guān)聯(lián)規(guī)則與相關(guān)概念102.2第二節(jié)關(guān)聯(lián)規(guī)則基本模型112.3第三節(jié)關(guān)聯(lián)挖掘123.第三章聚類方法153.1第一節(jié)聚類分析方法153.2聚類分析中的數(shù)據(jù)類型及數(shù)據(jù)結(jié)構(gòu)153.3聚類分析中孤立點(diǎn)163.4聚類算法的分析174.第四章分類與回歸204.1選擇算法204.2建模結(jié)果224.3模型應(yīng)用234.4使用命令行（推薦）24第一節(jié)通過(guò)分類挖掘進(jìn)行信息獲取26第二節(jié)貝葉斯分類方法簡(jiǎn)介27第三節(jié)在Weka中使

2、用貝葉斯算法對(duì)bank-data建立分類模型281第一章1.1知識(shí)獲取平臺(tái)—Weka簡(jiǎn)介◆Weka簡(jiǎn)介Weka是由新西蘭懷卡托大學(xué)開發(fā)的智能分析系統(tǒng)（WaikatoEnvironmentforKnowledgeAnalysis）。在懷卡托大學(xué)以外的地方，Weka通常按諧音念成Mecca，是一種現(xiàn)今僅存活于新西蘭島的，健壯的棕色鳥,非常害羞，好奇心很強(qiáng)，但不會(huì)飛。Weka是用Java寫成的，它可以運(yùn)行于幾乎所有的操作平臺(tái),包括Linux，Windows等操作系統(tǒng)。Weka平臺(tái)提供一個(gè)統(tǒng)一界面，匯集了當(dāng)今最經(jīng)典的機(jī)器學(xué)習(xí)算法及數(shù)據(jù)預(yù)處理工具。做為知識(shí)獲取的完整系

3、統(tǒng),包括了數(shù)據(jù)輸入、預(yù)處理、知識(shí)獲取、模式評(píng)估等環(huán)節(jié)，以及對(duì)數(shù)據(jù)及學(xué)習(xí)結(jié)果的可視化操作。并且可以通過(guò)對(duì)不同的學(xué)習(xí)方法所得出的結(jié)果進(jìn)行比較，找出解決當(dāng)前問題的最佳算法。2005年8月，在第11屆ACMSIGKDD國(guó)際會(huì)議上，懷卡托大學(xué)的Weka小組榮獲了數(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)得到了廣泛的認(rèn)可，被譽(yù)為數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)歷史上的里程碑，是現(xiàn)今最完備的數(shù)據(jù)挖掘工具之一（已有11年的發(fā)展歷史）。Weka的每月下載次數(shù)已超過(guò)萬(wàn)次。◆Weka平臺(tái)在哪里下載？如何安裝？用戶可到http://www.cs.waikato.ac.nz/ml/weka/

4、index_downloading.html上下載與具體操作系統(tǒng)相匹配的安裝文件，然后在已安裝了Java的機(jī)器上以通常的方式運(yùn)行weka3.5.5.exe。https://liulizhen.ie.cnu.edu.cn用戶名：liulizhen口令：2001123◆Weka包含了什么?Weka提供了許多用于數(shù)據(jù)可視化及預(yù)處理的工具（也稱作過(guò)濾器），包括種類繁多的用于數(shù)據(jù)集轉(zhuǎn)換的工具等。所有機(jī)器學(xué)習(xí)算法對(duì)輸入數(shù)據(jù)都要求其采用ARFF格式。Weka作為一個(gè)公開的知識(shí)過(guò)去的工作平臺(tái)，集合了大量能承擔(dān)數(shù)據(jù)（知識(shí)）挖掘任務(wù)的機(jī)器學(xué)習(xí)算法，包括分類，回歸、聚類、關(guān)聯(lián)規(guī)則

5、等。如果想實(shí)現(xiàn)自己提出或改進(jìn)的數(shù)據(jù)挖掘算法，可以根據(jù)Weka的接口文檔，在Weka中集成自己的算法?！鬢eka的使用方法一、是將一種學(xué)習(xí)方法應(yīng)用于一個(gè)數(shù)據(jù)集，然后分析其輸出，從而更多地了解這些數(shù)據(jù)(分析數(shù)據(jù)集的潛在知識(shí))。二、是使用已學(xué)習(xí)到的模型對(duì)新的實(shí)例做出分類預(yù)測(cè)三、是應(yīng)用幾種不同的學(xué)習(xí)器，再根據(jù)它們的性能表現(xiàn)選擇其中一種用來(lái)做預(yù)測(cè)。在Weka中將學(xué)習(xí)方法又稱作分類器或?qū)W習(xí)器，用戶可在Weka互動(dòng)式界面的菜單中選擇一種想要的分類器。許多分類器帶有可調(diào)節(jié)的參數(shù)，這些參數(shù)可通過(guò)屬性列表或?qū)ο缶庉嬈鬟M(jìn)行更改。所有學(xué)習(xí)器的性能都是通過(guò)一個(gè)共同的評(píng)估模塊進(jìn)行衡量。

6、與選擇學(xué)習(xí)器一樣，用戶也要從菜單中選擇能滿足或?qū)?yīng)該學(xué)習(xí)器的過(guò)濾器（進(jìn)行數(shù)據(jù)預(yù)處理）。不同的過(guò)濾器具有不同的參數(shù)。Weka與許多數(shù)據(jù)分析軟件一樣，Weka所處理的數(shù)據(jù)集是一個(gè)二維的表格這里我們要介紹一下Weka中的術(shù)語(yǔ)。表格里的一個(gè)橫行稱作一個(gè)實(shí)例（Instance），相當(dāng)于統(tǒng)計(jì)學(xué)中的一個(gè)樣本，或者數(shù)據(jù)庫(kù)中的一條記錄。豎行稱作一個(gè)屬性（Attrbute），相當(dāng)于統(tǒng)計(jì)學(xué)中的一個(gè)變量，或者數(shù)據(jù)庫(kù)中的一個(gè)字段。這樣一個(gè)表格叫做數(shù)據(jù)集，在Weka看來(lái)，呈現(xiàn)了屬性之間的一種關(guān)系(Relation)。圖中一共有14個(gè)實(shí)例，5個(gè)屬性，關(guān)系名稱為“weather”。Weka

7、存儲(chǔ)數(shù)據(jù)的格式是ARFF（Attribute-RelationFileFormat）文件，這是一種ASCII文本文件。圖1所示的二維表格存儲(chǔ)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。簡(jiǎn)單說(shuō)明在第三列數(shù)據(jù)85908696...是相應(yīng)的“humidity”值。其次，最后一個(gè)聲明的屬性被稱作class屬性，在分類或回歸任務(wù)中，它是默認(rèn)的目標(biāo)變量。都是以字母開頭的字符串每個(gè)實(shí)例占一行。實(shí)例的各屬性值用逗號(hào)“,”隔開。如果某個(gè)屬性的值是缺失值（missingvalue），用問號(hào)“

8、?”表示.如:@datasunny,85,85,FA