机器学习-weka的数据统计

一、思维导图总结

二、过滤器的代码设计

package com.Sple;

import weka.core.Instances;
import weka.core.converters.ConverterUtils;
import weka.filters.Filter;
import weka.filters.unsupervised.attribute.Add;
import weka.filters.unsupervised.attribute.Standardize;

import java.util.Random;
//即时过滤361页--- 
//加载数据集，添加一个数值型属性和一个标称型属性，最后用随机值填充新增的两个属性并输出数据。


public class BatchAddFiltering {

    public static void main(String[] args) throws Exception {

        //预处理
        try {
            // load dataset
            Instances instancestrain= ConverterUtils.DataSource.read("D://java-weka//Weka-3-8-5//data/segment-test.arff");
            System.out.println("数据集内容："+instancestrain);
            Instances instancestest = ConverterUtils.DataSource.read("D://java-weka//Weka-3-8-5//data/segment-test.arff");
            System.out.println("数据集内容instancestest："+instancestest);

            //使用标准化过滤器
            Standardize filter=new Standardize();
            //使用训练集一次初始化过滤器
            filter.setInputFormat(instancestrain);
            //基于训练配置过滤器，并返回过滤后的实例
            Instances newTrain=Filter.useFilter(instancestrain,filter);
            //过滤并创建新测试集
            Instances newTest=Filter.useFilter(instancestest,filter);

            //。。。。。。

            //训练并输出模型,使其具有零均值和单位方差，如果设置了类别属性，则忽略之

            System.out.println("新测试模型内容："+newTest);
            System.out.println("新训练模型内容："+newTrain);

            //新增了两个属性，NumericAttribute numeric和NominalAttribut
        }catch (Exception e){

        }

    }
}

三、实验数据总结

     该代码是使用源码进行测试的部分数据，根据数据特征信息，绘制散点图，计算数据的泊松分布和其他统计模型。其他模型的建立和线上使用方案还需进一步测试。

    在统计模型中建立对映点时，需要认识数据内部逻辑和认识逻辑。在数学中，如果两个点完全相反，则它们是对映点（即，每个点都是另一个点的对映点）。示例包括线段的端点 或球体的极点。给定一个具有纬度和经度的球体上的点，对映点具有纬度和经度（采用符号以便结果介于和 之间）。