weka尝试建立第一个分类器

最新推荐文章于 2023-11-27 16:04:26 发布
最新推荐文章于 2023-11-27 16:04:26 发布
阅读量339 收藏 1
点赞数
分类专栏： # 机器学习
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/dujuancao11/article/details/113954889
版权

引入打开数据集

进入分类器面板

选择一种分类器

TREES分类器决策树分类器

刚刚选择好的J48分类器

选定数据集和分类器，点击start开始，得到分类结果

结果分析

混淆矩阵

对角线上为正确实例，非对角线为错误

J48配置面板

unpruned默认false（意思是剪枝）

修改参数为TRUE变为未剪枝的决策树

再次运行结果发生改变

可从左侧查看所有训练历史

选中记录，右击可视化决策树

结果如下（右击可选择显示效果）

 

Clark-dj
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
java weka 分类_Weka – 分类
weixin_35318343的博客
02-15 1412
1.weka简单介绍1) weka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。2) 相关资源链接3) 主要特点集数据预处理、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具有交互式可视化界面提供算法学习比較环境通过其接口。可实现自己的数据挖掘算法2.数据集(.arff文件)数据集的呈现形式如上图所看到的，其表...
Weka之进一步了解分类器
qq_42752823的博客
10-21 890
以使用UserClassifier分类器建立决策树为例，进一步了解分类器。 1、打开Explorer界面，选择数据集segment-challenge.arff。 这是一个比较复杂的关于图像分析的数据集。详情请看： 2、打开classify面板，选择UserClassifier分类器。 若无此分类器，至Tools->package manager下载即可。 3、选择测试集segment-...
weka机器学习-04-分类
fxqwgdddg123的博客
11-06 2747
分类是预测离散的值 回归是预测连续的值 1.分类器的选择 Weka提供Classify标签页来构建分类器。 Classify标签页最上面有Classifier（分类器）选项组，使用方法和Preprocess标签页Filter（过滤器）选项组一直，详情见上一篇博客。过滤器选项组使用方法 Classify标签页左部有Test options（测试选项）选项组。用于设置测试模式，并将设置的选项应用到当前选择的分类器中，测试模式有： （1）Use training set（使用训练集）：直接将训练集实例用于测试（
Weka教程，使用Weka进行简单的分类和聚类
热门推荐
weixin_46039606的博客
04-22 1万+
对于Percentage split选项，当你的数据集没有测试集时，可以通过设置右侧的数字来将你的数据集分为训练集和测试集，图中的数字为66，其代表将数据集66%的数据作为训练集，其余34%的数据作为测试集。3，找到自己Weka的安装目录，进入data文件夹，选择自己需要分类的数据集，当然也可以是外部数据集，但文件需要是arff类型文件，其它文件类型如何转为arff类型可参考。1，前面的操作和上面分类操作的步骤一样，导入数据集后进入到聚类的界面，需要注意的地方在下图中进行了标注。
使用weka软件进行回归、分类
最新发布
m0_68095107的博客
11-27 1585
该数据集包含150条数据，每条数据包含4个属性（花萼长度，花萼宽度，花瓣长度，花瓣宽度）和1个类别。Percentage split选项，当数据集没有测试集时，通过设置右侧的数字来将数据集分为训练集和测试集，图中的数字为66，其代表将数据集66%的数据作为训练集，其余34%的数据（51个实例）作为测试集。本实验选取训练数据35组，测试数据14组，自变量为研发费用、管理费用、营销费用，因变量为利润，进行多元回归。51个实例中有49个分类正确，2个分类错误，分类效果比决策树稍好。个人数据集、Iris数据集。
【数据挖掘软件 weka】第四部分 更多的分类器
问就ycy的博客
09-17 1732
https://www.youtube.com/watch?v=LcHw2ph6bss&list=PLm4W7_iX_v4NqPUjceOGd-OKNVO4c_cPD 这是由新西兰Waikato大学提供，关于如何使用weka进行数据挖掘的在线学习课程。
weka分类器-NaiveBayes
liangliang8086的专栏
03-08 6661
Weka中实现一个分类器比较重要的有一下3个方法： buildClassifier(Instances instances) double[] distributionForInstance(Instanceinstance) double classifyInstance(Instance instance) throwsException; 其中后2个只要实现其中之一即可，因此我们在分
Weka各类分类器的使用（Java）
05-19
本文将详细介绍如何使用Weka在Java中实现分类器的使用，包括配置MyEclipse2013+Weka3.6+libsvm3.18+Jdk1.7+Win8.1环境，使用Weka实现分类器的步骤，以及使用LibSVM实现分类器的步骤。 一、配置环境 在使用Weka之前...
基于weka的文本分类器
03-12
为了使用这个基于Weka的文本分类器，你需要遵循以下步骤： 1. 解压文件，导入“Classifier”数据。 2. 预处理文本数据，将其转换为Weka可以接受的格式。 3. 在Weka中选择合适的分类算法。 4. 加载预处理后的数据，...
引用 Weka学习一（分类器算法） .docx
11-28
}/* * 训练分类器 * 1.instances 训练样本 * 2.classifier 分类器对象 */public static void trainClassifier(Instances instances, Classifier classifier) throws Exception{instances.setClassIndex(instances....
应用WEKA进行数据分类
05-31
WEKA把分类(Classification)和回归(Regression)都放在“Classify”选项卡中，这是有原因的。 在这两个任务中，都有一个目标属性（输出变量）。我们希望根据一个样本(WEKA中称作实例)的一组特征（输入变量），对目标进行预测。为了实现这一目的，我们需要有一个训练数据集，这个数据集中每个实例的输入和输出都是已知的。观察训练集中的实例，可以建立起预测的模型。有了这个模型，我们就可以对新的输出未知的实例进行预测了。衡量模型的好坏就在于预测的准确程度。 在WEKA中，待预测的目标（输出）被称作Class属性，这应该是来自分类任务的“类”。一般的，若Class属性是分类型时我们的任务才叫分类，Class属性是数值型时我们的任务叫回归。
tubes-2-AI:weka新闻分类器
07-09
开发者可能通过修改这些配置来优化分类器的性能，比如调整算法参数，或者集成多个分类器进行集成学习。 "KategorisasiBeritaWEKA"则是这个项目的NetBeans工程，NetBeans是一种流行的Java集成开发环境，它提供了代码...
热门在MATLAB中运行WEKA分类器：这是一个如何从MATLAB中选择参数并将其传递给Weka的示例-matlab开发
05-30
在MATLAB中运行Weka分类器是一个非常实用的技术，它结合了MATLAB的强大计算能力和Weka的丰富机器学习算法库。Weka是一个开源的数据挖掘工具，包含了大量的预处理方法、分类器、聚类器和关联规则算法。MATLAB则是一个...
用 WEKA 进行数据挖掘入门篇之分类和群集（二）
low5252的博客
02-22 1077
简介 在 用 WEKA 进行数据挖掘，第 1 部分：简介和回归，我介绍了数据挖掘的概念以及免费的开源软件 Waikato Environment for Knowledge Analysis（WEKA），利用它可以挖掘数据来获得趋势和模式。我还谈到了第一种数据挖掘的方法 — 回归 — 使用它可以根据一组给定的输入值预测数字值。这种分析方法非常容易进行，而且也是功能最不强大的一种数据挖掘方法，但是通...
weka入门教程II——分类
Felomeng的技术博客
03-06 1774
读研时转过一篇《weka入门教程》。当时机器学习还没有这么火。Weka其实非常方便，有图形界面，可以识别多种格式，自动切分测试集与训练集等功能。这篇主要介绍图形界面下分类的用法，其他机器学习任务大同小异。 weka可以从官方网站下载：https://www.cs.waikato.ac.nz/ml/weka/ 安装就不说了，安装好后运行，Windows在菜单中可以找到，Linux运行weka.s...
Weka – 分类
sure-fire的专栏
06-29 6438
1.      weka简介 1）  weka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。 2）  相关资源链接          http://sourceforge.net/projects/weka/files/          http://www.cs.waikato.ac.nz/ml/weka/ 3）  主要特点 集数据预处理、学习算
weka实际操作--构建分类、回归模型
weixin_34313182的博客
11-10 1096
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对数据集进行分类
tiantianzs的博客
10-29 3969
如下运用weka中的AdaBoost分类器对weather.nominal.arff数据集进行十折交叉验证 具体步骤如下： （1）打开weka，打开探索者 （2）打开数据集文件 （3）打开weka文件中的data文件夹，其中有weka自带的数据集 （4）这里以weather.nominal.arff数据集为例，选择打开 （5）下图为打开数据集后的示意图，继续点击分类功能 （6）选择分类器 （7）按如下图选择AdaBoost分类器，这...
weka数据集举例之天气数据集weather.nominal.arff
dujuancao11的博客
02-22 4811
例子weather.nominal.arff @relation weather.symbolic @attribute outlook {sunny, overcast, rainy} @attribute temperature {hot, mild, cool} @attribute humidity {high, normal} @attribute windy {TRUE, FALSE} @attribute play {yes, no} @data sunny,hot,high,FALS
weka分类器misc
05-25
Misc（即Miscellaneous）是Weka中的一个分类器集合，包括了一些较少使用的或者实验性质的分类器。下面是一些在Misc分类器集合中的分类器： 1. BFTree：基于Breiman-Friedman的决策树算法，可以有效地处理高维数据。...
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

打赏作者

Clark-dj

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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