WEKA中文-详细教程.ppt

数据挖掘工具--WEKA教程 WEKA简介…….2 数据集……..11 数据准备…..24 数据预处理…36 分类……………63 聚类………….184 关联规则……225 选择属性……244 数据可视化…253 知识流界面…275 1、WEKA简介 WEKA的全名是怀卡托智能分析环境 （Waikato Environment for Knowledge Analysis） weka也是新西兰的一种鸟名 是新西兰怀卡托大学WEKA小组用Java开发的机器学习/数据挖掘开源软件。其源代码获取 http://www.cs.waikato.ac.nz/ml/weka/ /weka/weka-3-6-6jre.exe 2005年8月，在第11届ACM SIGKDD国际会议上，怀卡托大学的WEKA小组荣获了数据挖掘和知识探索领域的最高服务奖， WEKA系统得到了广泛的认可，被誉为数据挖掘和机器学习历史上的里程碑，是现今最完备的数据挖掘工具之一。 WEKA的每月下载次数已超过万次。 WEKA软件 主要特点 它是集数据预处理、学习算法（分类、回归、聚类、关联分析）和评估方法等为一体的综合性数据挖掘工具。 具有交互式可视化界面。 提供算法学习比较环境 通过其接口，可实现自己的数据挖掘算法 把“Explorer”界面分成8个区域 区域1的几个选项卡是用来切换不同的挖掘任务面板。 Preprocess（数据预处理）：选择和修改要处理的数据。 Classify（分类）：训练和测试分类或回归模型。 Cluster（聚类）：从数据中聚类。 Associate（关联分析）：从数据中学习关联规则。 Select Attributes（选择属性）：选择数据中最相关的属性。 Visualize（可视化） ：查看数据的二维散布图。 区域2是一些常用按钮。包括打开、编辑、保存数据及数据转换等功能。例如,我们可以把文件“bank-data.csv”另存为“bank-data.arff”。 区域3中可以选择（Choose）某个筛选器（Filter），以实现筛选数据或者对数据进行某种变换。数据预处理主要就利用它来实现。 区域4展示了数据集的关系名、属性数和实例数等基本情况。 区域5中列出了数据集的所有属性。 勾选一些属性并“Remove”就可以删除它们，删除后还可以利用区域2的“Undo”按钮找回。 区域5上方的一排按钮是用来实现快速勾选的。 区域6中显示在区域5中选中的当前某个属性的摘要。 摘要包括属性名（Name）、属性类型（Type）、缺失值（Missing）数及比例、不同值（Distinct ）数、唯一值（Unique）数及比例 对于数值属性和标称属性，摘要的方式是不一样的。图中显示的是对数值属性“income”的摘要。 数值属性显示最小值（Minimum）、最大值（Maximum） 、均值（Mean）和标准差（StdDev） 标称属性显示每个不同值的计数 区域7是区域5中选中属性的直方图。 若数据集的最后一个属性（这是分类或回归任务的默认目标变量）是类标变量（例如“pep” ），直方图中的每个长方形就会按照该变量的比例分成不同颜色的段。 要想换个分段的依据，在区域7上方的下拉框中选个不同的分类属性就可以了。 下拉框里选上“No Class”或者一个数值属性会变成黑白的直方图。 区域8窗口的底部区域，包括状态栏、log按钮和Weka鸟。 状态栏（Status）显示一些信息让你知道正在做什么。例如，如果 Explorer 正忙于装载一个文件，状态栏就会有通知。 在状态栏中的任意位置右击鼠标将会出现一个小菜单。这个菜单给了你两个选项： Memory Information--显示WEKA可用的内存量。 Run garbage collector--强制运行Java垃圾回收器，有哪些信誉好的足球投注网站不再需要的内存空间并将之释放，从而可为新任务分配更多的内存。 Log按钮可以查看以weka操作日志 。 右边的weka鸟在动的话，说明WEKA正在执行挖掘任务。 2、WEKA数据集 WEKA所处理的数据集是一个.arff文件的二维表 表格里的一个横行称作一个实例（Instance），相当于统计学中的一个样本，或者数据库中的一条记录。 竖行称作一个属性（Attribute），相当于统计学中的一个变量，或者数据库中的一个字段。 这样一个表格，或者叫数据集，在WEKA看来，呈现了属性之间的一种关系(Relation)。 上图中一共有14个实例，5个属性，关系名称为“weather”。 WEKA存储数据的格式是ARFF（Attribute-Relation File Format）文件，这是一种ASCII文本文件。 上图所示的二维表格存储在如下的ARFF文件中。这也就