2025年数据挖掘WEKA实战指南从基础到高级实验解析.docx

数据挖掘-WAKA

试验汇报

一、WEKA软件简介

在我所从事的证券行业中，存在着海量的信息和数据，不过这些数据平常知识发挥了一小部分的作用，其包括了大量的隐性的信息并不為所用，不过却可认為某些企业的决策和对客户的服务提供不小的价值。因此,我們可以通过某些数据采集、数据挖掘来获得潜在的有价值的信息。

数据挖掘就是通过度析存在于数据库里的数据来处理问題。在数据挖掘中计算机以电子化的形式存储数据，并且能自动的查询数据，通过关联规则、分类于回归、聚类分析等算法对数据进行一系列的处理，寻找和描述数据里的构造模式，进而挖掘出潜在的有用的信息。数据挖掘就是通过度析存在于数据库里的数据来处理问題。WEKA的出現让我們把数据挖掘无需编程既可轻松搞定。

WEKA是由新西兰怀卡托大学开发的开源项目，全名是怀卡托智能分析环境（WaikatoEnvironmentforKnowledgeAnalysis）。WEKA是由JAVA编写的，它的源代码可通过，并且限制在GBU通用公众证书的条件下公布，可以运行在所有的操作系统中。是一款免费的，非商业化的机器学习以及数据挖掘软件

WEKA作為一种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。假如想自已实現数据挖掘算法的话，可以看一看WEKA的接口文档。在WEKA中集成自已的算法甚至借鉴它的措施自已实現可视化工具并不是件很困难的事情。

安装WEKA也十分简朴，首相要下载安装JDK环境，JDK在这个页面可以找到它的下载HYPERLINK。点击JDK6之后的Download按钮，转到下载页面。选择Accepct，过一会儿页面会刷新。我們需要的是这个WindowsOfflineInstallation,Multi-languagejdk-6-windows-i586.exe53.16MB，点击它下载。也可以右键点击它上面的链接，在Flashget等工具中下载。安装它和一般软件没什么区别。不过中间会中断一下提醒你安装JRE，一并装上既可。之后就是安装WEKA软件，这个在网上诸多地方均有。同样简朴地按默认措施安装后既可使用。

点击启动运行WEKA软件后，我门发現WEKA存储数据的格式是ARFF（Attribute-Relation）文献，这是一种ASCII文本文献。我們如图1通过软件的Tools菜单进入ArffViewer可以在安装目录下查看软件自带的几种ARFF文献。

图1

图2

如图2，打开文献后选择data自目录下的任意一张表，我們都可以看到如图3所示的二维表格存储在如下的ARFF文献中。这也就是WEKA自带的“contact-lenses.arff”文献。这里我們要简介一下WEKA中的术語。表格里的一种横行称作一种实例（Instance），相称于记录学中的一种样本，或者数据库中的一条记录。竖行称作一种属性（Attrbute），相称于记录学中的一种变量，或者数据库中的一种字段。这样一种表格，或者叫数据集，在WEKA看来，展現了属性之间的一种关系(Relation)。图1中一共有22个实例，5个属性，关系名称為“contact-lenses”。

除了ARFF格式，WEKA还支持此外一种常見格式，CSV格式。CSV同样是一种二进制保留的文本格式，我們可以在WEKA中直接打开CSV格式的文献，并保留為ARFF格式。这样就給我提供了把常見的数据格式转换為ARFF格式的措施，如对于Excel文献，我們可以通过把每张表保留為CSV格式，进而保留為ARFF格式，与此同步，我們可以运用filter对数据进行对应的预处理。而对于Matlab格式的数据，我們可以通过命令csvwrite把数据转化成CSV格式的文献，进而转化為ARFF格式文献。对于海量数据，一般保留在数据库中，WEKA同步支持JDBC访问数据库。

图3

打开WEKA，首先出現一种命令行窗口。原认為要在这个命令行下写java語句呢，不过稍等一秒，WEKAGUIChooser的出現了。这是一种很简朴的窗体，提供四个按钮：SimpleCLI、Explorer、Experimenter、KnowledgeFlow。SimpleCLI应当是一种使用命令行的界面，有点像SAS的编辑器；Explorer是则是视窗模式下的数据挖掘工具；Experimenter和KnowledgeFlow的使用有待深入探索....

图4

Explorer

使用WEKA探索数据的环境。在这个环境中，WEKA提供了数据的预处理，