数据挖掘工具(weka教程).pptVIP

数据挖掘工具

-WEKA教程;WEKA简介

数据格式

数据准备

属性选择

可视化分析

分类预测

关联分析

聚类分析

扩展WEKA;作为一个群众化的数据挖掘工作平台，WEKA集成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、关联分析以及在新的交互式界面上的可视化等等。通过其接口，可在其根底上实现自己的数据挖掘算法。;WEKA所用的数据格式〔跟Excel一样〕

Explorer界面?

Openfile…?

Edit…;WEKA文件相关术语

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-RelationFileFormat〕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。这也就是WEKA自带的“weather.arff”文件，在WEKA安装目录的“data”子目录下可以找到。;文件内容说明

识别ARFF文件的重要依据是分行，因此不能在这种文件里随意的断行。空行〔或全是空格的行〕将被忽略。

以“%”开始的行是注释，WEKA将忽略这些行。如果你看到的“weather.arff”文件多了或少了些“%”开始的行，是没有影响的。

除去注释后，整个ARFF文件可以分为两个局部。

第一局部给出了头信息〔Headinformation〕，包括了对关系的声明和对属性的声明。

第二局部给出了数据信息〔Datainformation〕，即数据集中给出的数据。从“@data”标记开始，后面的就是数据信息了。;关系声明

关系名称在ARFF文件的第一个有效行来定义，格式为

@relationrelation-name

relation-name是一个字符串。如果这个字符串包含空格，它必须加上引号〔指英文标点的单引号或双引号〕。;属性声明

属性声明用一列以“@attribute”开头的语句表示。数据集中的每一个属性都有它对应的“@attribute”语句，来定义它的属性名称和数据类型。

这些声明语句的顺序很重要。首先它说明了该项属性在数据局部的位置。例如，“humidity”是第三个被声明的属性，这说明数据局部那些被逗号分开的列中，第三列数据85908696...是相应的“humidity”值。其次，最后一个声明的属性被称作class属性，在分类或回归任务中，它是默认的目标变量。

属性声明的格式为

@attributeattribute-namedatatype

其中attribute-name是以字母开头的字符串。和关系名称一样，如果这个字符串包含空格，它必须加上引号。;WEKA支持的datatype有四种

numeric 数值型

nominal-specification 标称〔nominal〕型

string 字符串型

date[date-format] 日期和时间型

其中nominal-specification和date-format将在下面说明。还可以使用两个类型“integer”和“real”，但WEKA把它们都当作“numeric”看待。

注意“integer”，“real”，“numeric”，“date”，“string”这些关键字是区分大小写的，而“relation”、“attribute”和“data”那么不区分。;数值属性

数值型属性可以是整数或者实数，但WEKA把它们都当作实数看待。

标称属性

标称属性由nominal-specification列出一系列可能的类别名称并放在花括号中：

{nominal-name1,nominal-name2,...}

数据集中该属性的值只能是其中一种类别。

例如如下的属性声明说明“outlook”属性有三种类别：“sunny”，“overcast”和“rainy”。而数据集中每个实例对应的“outlook”值必是这三者之一。

@attributeoutlook{sunny,overcast,rainy}

如果类别名称带有空格，仍需要将之放入引号中。;字符串属性

字符串属性中可以包含任意的文本。这种类型的属性在文本挖掘中非常有用。

例如：