关于 PentahoWeka

关于 Pentaho Weka 的基本使用

一、   关于 PentahoWeka 的使用过程中的基本术语介绍   

1、  实例（Instance）：表格里的一个横行称作一个实例，相当于统计学中的一个样本，或者数据库中的一条记录。
2、 属性（Attrbute）：竖行的属性（Attrbute），相当于统计学中的一个变量，或者数据库中的一个字段。
3、  关系(Relation)： 类似于表格，或者叫数据集，在WEKA看来，呈现了属性之间的一种关系。


二、   关于WEKA存储数据的格式是ARFF（Attribute-Relation File Format）文件：
         这是一种ASCII文本文件。需要注意的是，在Windows记事本打开这个文件时，可能会因为回车符定义不一致而导致分行不正常。推荐使用UltraEdit这样的字符编辑软件察看ARFF文件的内容。

1、  识别ARFF文件的重要依据是分行，因此不能在这种文件里随意的断行。空行（或全是空格的行）将被忽略。 以“%”开始的行是注释，WEKA将忽略这些行。
2、  如果你看到的“weather.arff”文件多了或少了些“%”开始的行，是没有影响的。 除去注释后，整个ARFF文件可以分为两个部分。
       A、 第一部分给出了头信息（Head information），包括了对关系的声明和对属性的声明。
       B、 第二部分给出了数据信息（Data information），即数据集中给出的数据。从@data”标记开始，后面的就是数据信息了。

三、    关于WEKA的支持的数据类型（datatype）——WEKA支持的数据类型 datatype 有四种，分别如下：
1、    numeric  数值型
2、    nominal-specification  分类（nominal）型
3、    string  字符串型
4、    date 日期和时间型
        在WEKA 3.5版中增加了一种属性类型叫做Relational，有了这种类型我们可以像关系型数据库那样处理多个维度了

关于Pentaho Weka 的的界面的基本介绍：

1.Explorer：An environment for exploring data with WEKA (the rest ofthis documentation deals with this application in more detail).
data exploration/visualization, model construction and export, preliminary evaluation

2.Experimenter：An environment for performing experiments and conduct-ing statistical tests between learning schemes.
large-scale algorithm comparison with statistical tests for significant differences in performance

3.KnowledgeFlow：This environment supports essentially the same func-tions as the Explorer but with a drag-and-drop interface. One  advantage is that it supports incremental learning.process model view of data mining, export of DM process

4.SimpleCLI：Provides a simple command-line interface that allows direct execution of WEKA commands for operating systems that do not provide their own command line interface.

备注：
    关于什么是CLI的解释——命令行界面（Command Line Interface，简写：CLI）是在图形用户界面得到普及之前使用最为广泛的用户界面，它通常不支持鼠标，用户通过键盘输入指令，计算机接收到指令后，予以执行。也有人称之为字符用户界面（CUI）。