Data Mining---使用Weka分析数据---01

最新推荐文章于 2023-09-24 00:02:30 发布
最新推荐文章于 2023-09-24 00:02:30 发布
阅读量2.2k 收藏 1
点赞数
分类专栏： Data Mining Weka 文章标签： Weka
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/dintingin/article/details/79801270
版权
使用Weka的ZeroR、OneR、Naive Bayes Simple和J48对weather.arff数据进行分析。通过训练集和66%的分比例测试，发现Naive Bayes Simple分类器的错误率最低，更值得信赖。
摘要由CSDN通过智能技术生成

A. Use the following learning schemes or classifiers, with the default settings to analyze the weather data (weather.arff). For test options, first choose "Use training set", then choose "Percentage Split" using default 66% percentage split. Report model percent error rate (i.e., percentage of incorrectly classified instances).

  • ZeroR (majority class)

  • OneR                                     

  • Naive Bayes Simple                

  • J48                                          

最低0.47元/天 解锁文章
dintingin
关注
专栏目录
Data-Mining-:使用WEKA数据集进行数据挖掘
05-16
数据挖掘- 使用WEKA数据集进行数据挖掘
Weka-MachineLearning-DataMining
a19576的专栏
10-20 306
Weka MOOC:　Data Mining with Weka,　More Data Mining with Weka,　Advanced Data Mining with Weka http://i.youku.com/i/UMTI4NTE5OTA0NA==?spm=a2hzp.8244740.0.0 用 WEKA 进行数据挖掘
用weka进行数据挖掘
最新发布
qq_61141142的博客
09-24 981
SimpleKMeans算法是K-Means算法中最为简单的一种，也是在Weka软件中集成的一个算法，本次大作业中，我在Weka中，利用SimpleKMeans算法对数据集进行数据挖掘，主要是由于SimpleKMeans算法有K-Means算法应用广泛，具有代表性的特性，同时它有事一种最为简单的k-means算法，更加容易我们掌握，因此，此次我选择该算法作为我对zoo这一数据集进行聚类分析的原因。K均值算法以k为输入参数，把n个对象的集合分成k个簇，使得结果内的相似程度最高，而簇间的相似程度低。
数据挖掘（Data Mining）——Pentaho Weka
zxs421819166的专栏
08-25 1167
关于 Pentaho Weka Experimenter 功能的使用 Automate the process of determining the best method to useIs an interactive process in the Explorer o
weka.datagenerators package
kissbi的专栏
01-24 366
weka.datagenerators packages分为三大类：1. for  classification2. for regression3. for cluster* The main class is DataGenerator, it is a abstract class.* ClassificationGenerator ClusterGenerator and Regressi
Explore-Data-via-Weka:通过Weka探索数据
03-08
通过Weka探索数据 参考： : 数据：weather.nominal 打开文件weather.nominal.arff 使用过滤器删除属性 检查过滤器 有监督与无监督 属性与实例 选择非监督属性过滤器删除 检查更多信息； 看看选项 将...
weka-datamining-modules:用于数据挖掘的存储库
07-05
数据挖掘模块 基于正类问题的监督分类项目模块，在训练集中很少有代表性。 此外，许多属性对于不同的实例具有许多不同的值。 这就是为什么应用特征选择很方便的原因。 过滤器：异常值重新采样离散化特征选择 SMOTE ...
How-to-install-Weka:如何安装Weka进行数据挖掘任务？
03-08
如何安装Weka 参考： : 参考： : 什么是Weka？ 只在新西兰发现一只鸟吗？ 用于数据挖掘任务的机器学习算法 100多种分类算法 75用于数据预处理 25个辅助功能选择 20个用于聚类，查找关联规则等 两种版本的Weka ...
机器学习-weka的数据统计
陈海明 -全栈
07-05 351
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
基于weka的数据分类分析实验报告(精选)
12-14
数据挖掘课程中，关于分类算法的课程实验报告，要求使用weka工具完成
数据挖掘weather数据集
04-05
一个用于weka使用的天气数据集，用于初学者熟悉对weka的使用，从而进行数据分析
WEKA (概率的应用)
dujuancao11的博客
03-03 240
OneR假设只通过一个属性来决策，另一种策略正好相反，假设所有属性在决策过程中有平等的，独立的贡献，这是Naive Bayes。Naive Bayes基于两个假设：所有属性都同等重要，且在统计上是独立的。 概率论Bayes Theorem（贝叶斯定理） 先验概率 后验概率 WEKA尝试 名词性天气数据集 不同 都大了一个，避免出现零次数，零乘任何数都为0（零次数问题，简单每个数加一） 假设各因素相互独立，但实际一般不独立，依然能得到好的分类效果，因为分类精确不是很重要
在java中调用weka聚类方法并显示相应的类标签+weka中创建arff数据
qq_30232405的博客
12-07 1986
1.读取arff文件 Instances data = new Instances(new BufferedReader(new FileReader("/some/where/data.arff"))); // setting class attribute data.setClassIndex(data.numAttributes() - 1); 2.直接在程序中创建数据集 （1
使用weka内置算法分析数据(图形界面操作)
kjcsdnblog的专栏
09-02 3671
原文 本文使用weka中内置的三种分类算法(naive bayes,SVM,Logistic Regression)根据收集到的鸢尾属植物的数据进行分类，通过精度和效率对三种算法进行比较。 1、鸢尾属植物的分类数据中包含鸢尾属植物的四种属性。四种属性分别是萼片长度、萼片宽度、花瓣长度、花瓣宽度。数据中还包含鸢尾属植物的三种种类，分别是:Iris-setosa(山鸢尾)、Iris-Versicol
Weka之数据可视化
qq_42752823的博客
10-15 3366
1、打开Explorer界面。 选择数据集（这里以iris.arff为例），点击Visualize可视化面板。 如上图，这是一个5x5的二维矩阵，点击打开（petallength,sepallength）。 2、观察界面。 上方下拉框和右侧白色横条都标明了当前的x轴、y轴。 可选择下拉框选择当前的x轴、y轴，也可单击右侧白色横条改变。 注意：左键单击白色横条改变x轴，右键单击白色横条改变y轴。 底...
weka学习笔记一 weka输出结果说明
asa13214dsgf134sdf的专栏
08-11 5285
借助《数据挖掘实用机器学习技术》一书来熟悉weka 首先按照书中说明走了一个完整的例子 数据集就用的是经典的天气数据集 @relation weather @attribute outlook {sunny, overcast, rainy} @attribute temperature real @attribute humidity real @attribute win
weka中文使用说明（三）
u012963068的专栏
12-05 4437
2.3聚类 2.3.1 Cluster面板介绍 Cluster面板如图2.3.1-1所示。 图2.3.1-1 Cluster面板 Cluster Mode 一栏用来决定依据什么来聚类以及如何评价聚类的结果。前三个选项和分类的情况是一样的：Usetraining set , Supplied test set and Percentage split——区别于现在的数据是要聚到某
Weka应用总结
狮子座明仔知识集散场
03-22 8986
一. 引入本文是我学习《数据挖掘与机器学习–WEKA应用技术与实践》的笔记。该书电子版的链接是：http://download.csdn.net/detail/fhb292262794/8759397全书简单说明了机器学习的分类、聚类、关联的算法原理及实践，在高级应用中说明了贝叶斯网络、神经网络的原理及简单实例应用，还给出了Java Api调用WEKA接口的方法。总体而言该书比较详实，有理论有实践，
WEKA：数据挖掘神器 - 功能全面的工具与应用
Weka是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis）的简称，是一个开源的、跨平台的数据挖掘和机器学习工具。它由新西兰的怀卡托大学开发，自2005年以来因其强大的功能和广泛应用而备受赞誉。...
评论
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