1、数据挖掘工具 -WEKA教程o WEKA简介 .2o 数据集 .11o 数据准备 .24o 数据预处理 36o 分类 63o 聚类 .184o 关联规则 225o 选择属性 244o 数据可视化 253o 知识流界面 275Date 11、 WEKA简介o WEKA的全名是怀卡托智能分析环境n （ Waikato Environment for Knowledge Analysis）n weka也是新西兰的一种鸟名o 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n http:/www.cs.waikato.ac.nz/ml/weka/n http
2、:/ 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。Date 2WEKA软件o 主要特点n 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。n 具有交互式可视化界面。n 提供算法学习比较环境n 通过其接口，可实现自己的数据挖掘算法WEKA的界面Date 3探索环境命令行环境知识流环境算法试验环境Date 4Explore
3、r环境 Date 5把 “Explorer”界面分成 8个区域o 区域 1的几个选项卡是用来切换不同的挖掘任务面板。n Preprocess（ 数据预处理） ： 选择和修改要处理的数据。 n Classify（ 分类） ： 训练和测试分类或回归模型。 n Cluster（ 聚类） ： 从数据中聚类。 n Associate（ 关联分析） ： 从数据中学习关联规则。 n Select Attributes（ 选择属性） ： 选择数据中最相关的属性。 n Visualize（ 可视化） ： 查看数据的二维散布图。o 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
4、把文件 “bank-data.csv”另存为 “bank-data.arff”。o 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。Date 6o 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。o 区域 5中列出了数据集的所有属性。n 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。n 区域 5上方的一排按钮是用来实现快速勾选的。o 区域 6中显示在区域 5中选中的当前某个属性的摘要。n 摘要包括属性名（ Name）、 属性类型（ Type）
5、、 缺失值（Missing） 数及比例 、 不同值（ Distinct ） 数 、 唯一值（Unique） 数及比例n 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。o 数值属性显示最小值（ Minimum） 、 最大值（Maximum） 、均值（ Mean） 和标准差（ StdDev）o 标称属性显示每个不同值的计数Date 7o 区域 7是区域 5中选中属性的直方图。n 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。n 要想换个分段的依据，
6、在区域 7上方的下拉框中选个不同的分类属性就可以了。n 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。Date 8o 区域 8窗口的底部区域 ， 包括状态栏、 log按钮和 Weka鸟 。n 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。n 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： o Memory Information-显示 WEKA可用的内存量。 o Run garbage collector-强制运行 Java垃圾回收器，搜索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。n Log按钮 可以查看以 weka操作日志 。n 右边的 weka鸟在动的话，说明 WEKA正在执行挖掘任务。Date 9KnowledgeFlow环境Date 10
