WEKA使用中的问题总结

最新推荐文章于 2019-05-25 17:00:23 发布
最新推荐文章于 2019-05-25 17:00:23 发布
阅读量5.9k 收藏 1
点赞数 4
分类专栏： 数据挖掘
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zzstack/article/details/54582016
版权

A1：使用WEKA打开一个csv文件，提示错误：“not recognized as an 'CSV data files' file. Reasons: nominal value not declared in header, read Token[???], line 1"

Q1：通过不断地删除样本数据，发现是对中文支持有问题。找到WEKE安装目录下的RunWeka.ini，根据你数据集的字符集，将其中的"fileEncoding=Cp1252"修改为utf-8、cp936（简体中文），cp950（繁体中文）。



参考文献：

http://blog.csdn.net/hitzhang/article/details/4762544


zzstack
关注
  • 4
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
WEKA快速入门（含银行数据集bank-data及天气数据集weather）
03-01
Weka是机器学习中的一个非常好的开源工具，对于熟悉Java的同学们来说是一个非常好的选择。Weka几乎包含了所有常见机器学习算法的Java实现，Weka中支持的数据格式主要是arff，虽然weka官网上提供了一些arff文件，但有时仅有这些还不能满足需求，为此，本人搜集各方资料，再加上自己的手工转换，整理出了一个还算比较完整的arff数据集合，在这里分享给大家,并配有教材能边看边进行案例分析
Weka中算法说明
10-20
本文档总结了Weka中各种常用算法的说明，希望对大家有所帮助！
地理信息智能化处理 课程作业--蚁群算法及其应用 编程 关于数据挖掘软件WEKA的分析和总结.doc
05-25
地理信息智能化处理 课程作业--蚁群算法及其应用 编程 关于数据挖掘软件WEKA的分析和总结.doc
数据挖掘工具weka学习资料汇总（api，教程等）
09-10
学习数据挖掘必备工具，非常有用，我搜集了很多资料，都在这里了，包括中英文的教程，用户文档（api），等等，希望对大家有帮助。
【数据挖掘大作业】基于决策树的评教指标筛选（weka使用手册+数据+实验报告）
06-19
现有某高校评教数据(pjsj.xls)，共计842门课程，属性包括：课程名称、评价人数、总平均分以及10个评价指标Index1-Index10。以此为研究数据，利用数据挖掘的技术实现评价指标的筛选，即从10个指标中剔除对教学评价无用的指标。具体实现的内容应至少包括以下几个方面但不限于： （1）数据描述：利用盒图对每个指标数据进行描述性分析，画出10个指标的盒图：标注孤立点（如有）、最小值、Q1、中位数、Q3、最大值； （2）数据预处理：将每个连续型指标数据离散化为三个区间，级别从高到低分别为Excellent（用“E”表示）、Good（用“G”表示）、Fair（用“F”表示）；将总平均分离散为“A”、“B”、“C”三个等次，作为每门课程的类标签； （3）模型构建与评估：利用决策树算法对上述数据进行分类，构建决策树并进行性能评估：包括Recall（召回率）、Precision（精度）、F1和Accuracy（准确率）； （4）结果讨论：对研究结果（剔除的指标，即未出现决策树中的指标）进行讨论分析； （5）总结与展望：对全文研究过程进行总结并指出存在的不足或努力方向。
【解决】Weka导入csv或arrf，报错：nominal value not declared in header ,read token
iMatt的专栏
10-31 5630
原因有几种：（前1 种是老外给出的答案） 1、 you have some values occurring that are not exactly as declared in the header If you get this error message than you seem to have declared a nominal attribute in the ARFF...
weka csv文件出现错误
热门推荐
tangtang5156的专栏
09-29 1万+
1 not recognizedas an 'CSV data files' file. Reasons:1
weka实际操作--构建分类、回归模型
weixin_34313182的博客
11-10 1051
weka提供了几种处理数据的方式，其中分类和回归是平时用到最多的，也是非常容易理解的，分类就是在已有的数据基础上学习出一个分类函数或者构造出一个分类模型。这个函数或模型能够把数据集中地映射到某个给定的类别上，从而进行数据的预测。就是通过一系列的算法，将看起来本来分散的数据，给划分成一个个不同的类，我们可以知道某个数据为什么要划分到这个类别，后来的数据通过这个过程就可以知道把它划分到哪个类别，从...
weka软件使用问题解决（二）
jiangjiangjiang6的博客
05-25 2261
在毕设过程中使用到weka软件 软件使用过程中遇到的一些问题和解决方法记录 问题二：关联规则apriori算法无法运行问题 问题描述： 打开上述问题一中的文件，发现关联算法中的Apriori算法界面如下图所示 start按钮灰色无法开始运行Apriori算法 问题解决方法： 这是因为我们是此时的数据格式为numeric数值型，需要将格式改成离散型 首先需要先将数据归类，如将{&...
机器学习工具WEKA地使用总结材料,包括算法选择、属性选择、全参数优化.doc
12-09
机器学习工具WEKA地使用总结材料,包括算法选择、属性选择、全参数优化.doc
weka入门教材.pdf
04-30
weka入门教材 weka入门总结 pdf文件
HMMWeka:Weka 机器学习工具包的隐马尔可夫模型包
06-02
HMMWeka Weka 机器学习工具包的隐马尔可夫模型包。 这是一个标准的 Weka 分类器，可用于所有标准的 Weka 工具（注意事项如下）。 有关如何运行 weka 的更多详细信息，请参阅。 关于这个包的 API 的完整文档可以在找到 隐马尔可夫模型的使用与其他分类器不同，因为它们处理数据的时间序列而不是单个数据项。 因此在使用 HMM 之前对 HMM 有一个很好的理解是很重要的，你不能仅仅用它们来代替另一个 Weka 分类器。 关于隐马尔可夫模型有很多很好的资源，所以我不会试图重复这个理论。 以下是我个人在实施 HMM 时发现有用的精选资源。 Chris Bishop 的 （我的实现主要基于本书中的讨论） Lawrence Rabiner这仍然是权威的文本 Kevin Murphy维护，我特别推荐这篇，它在附录中对学习算法进行了出色的总结 HMM 分类器只对序列数据起作用
机器学习工具WEKA的使用总结,包括算法选择、属性选择、参数优化.doc
10-08
机器学习工具WEKA的使用总结,包括算法选择、属性选择、参数优化.doc
Clinical-Data-Extraction:从出院总结中提取关键信息的软件套件
06-05
临床数据提取 从医疗出院总结中提取关键信息的 JAVA 软件套件 依赖关系 横幅文件 表格-1.3.0.jar jdom-2.0.5.jar lucene-core-4.10.3.jar opennlp-maxent-3.0.3.jar weka.jar commons-lang3-3.3.2.jar gtk-4.1.jar junit-4.11.jar lucene-snowball-3.0.2.jar opennlp-tools-1.5.3.jar 配置文件 番石榴-18.0.jar jwnl-1.3.3.jar lucene-suggest-4.10.3.jar opennlp-uima-1.5.3.jar 龙工具.jar hamcrest-core-1.3.jar lucene-analyzers-common-4.10.3.jar 木槌文件 怎么
机器学习工具WEKA的使用总结,包括算法选择、属性选择、参数优化.pdf
11-27
机器学习工具WEKA的使用总结,包括算法选择、属性选择、参数优化.pdf
c语言涂格子游戏源码.rar
04-22
c语言涂格子游戏源码.rar
node-v18.14.2-linux-armv7l.tar.xz
最新发布
04-22
Node.js，简称Node，是一个开源且跨平台的JavaScript运行时环境，它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立，旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎，可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型，这使得它非常适合处理大量并发连接，从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外，Node.js使用了模块化的架构，通过npm（Node package manager，Node包管理器）,社区成员可以共享和复用代码，极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展，它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等，因此，开发者可以用JavaScript编写全栈应用程序，这一点大大提高了开发效率和便捷性。 在实践中，许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台，如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能，简化了开发流程，并且能更快地响应市场需求。
C++ 实现全连接神经网络及矩阵头文件 及技术指导
04-22
矩阵头文件
weka软件使用DBSCAN解决实际问题实例
05-22
Weka软件是一个流行的机器学习工具，可以用于数据挖掘、预测建模和集成等任务。其中，DBSCAN（Density-Based Spatial Clustering of Applications with Noise）是一种基于密度的聚类算法，常用于处理具有噪声和复杂形状的数据集。 以下是一个使用Weka软件中的DBSCAN算法解决实际问题的示例： 假设我们有一个存储在数据文件中的二维数据集，其中包含了一些数据点，我们想要使用DBSCAN算法对这些数据点进行聚类。 1. 打开Weka软件，选择"Explorer"选项卡，然后点击"Open file"按钮，选择数据文件并加载数据。 2. 选择"Cluster"选项卡，然后在"Cluster mode"下拉菜单中选择"DBSCAN"算法。 3. 在"DBSCAN options"面板中，我们需要设置以下参数： - Epsilon: 定义邻域半径的值。我们可以通过试验不同的值来选择最佳的半径值，比如设置为0.5。 - Min points: 定义一个点集的核心点最小数量。通常情况下，该值应该设置为3或4。 4. 点击"Start"按钮运行算法，Weka软件将会对数据集进行聚类。 5. 在聚类结果面板中，我们可以看到DBSCAN算法将数据集聚为几个类别。我们可以使用可视化工具来更好地观察聚类结果。 通过以上步骤，我们成功地使用Weka软件中的DBSCAN算法对数据集进行了聚类。该算法可以用于处理各种不同类型的数据集，并且可以根据需要调整参数以获得更好的聚类结果。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值