Weka

Weka下载地址https://www.cs.waikato.ac.nz/~ml/weka/。如果本身电脑已安装了Java虚拟机，则直接选择不带jre的exe

安装过程就一直next就行。安装好后要配置环境变量，在CLDDPATH中加入D:\someFile\Weka-3-8\weka.jar;

（1）Weka主要功能：Weka作为一个开源的数据挖掘工作平台，可对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。

（2）Weka支持的语言：它是用Java编写的，几乎可以在任何平台上运行

（3）Weka已经提供的数据挖掘（机器学习）算法： Weka分布中包含的算法目前尚未涵盖的另一个重要领域是序列建模。

（4）Weka能否在其中加入自己的算法：能，通过Weka提供的接口，用自己的Java代码调用。

       （5）使用Weka进行数据挖掘的流程：

1）数据预处理

数据预处理包括特征选择，特征值处理（比如归一化），样本选择等操作。

2）训练

训练包括算法选择，参数调整，模型训练。

3）验证

对模型结果进行验证。

（6）Weka支持很多种文件格式，包括arff、xrff、csv，甚至有libsvm的格式。其中，arff是最常用的格式。

（7）Weka的使用

窗口右侧共有4个应用，分别是

1）Explorer

用来进行数据实验、挖掘的环境，它提供了分类，聚类，关联规则，特征选择，数据可视化的功能。（An environment for exploring data with WEKA）

2）Experimentor

用来进行实验，对不同学习方案进行数据测试的环境。（An environment for performing experiments and conducting statistical tests between learning schemes.）

3）KnowledgeFlow

功能和Explorer差不多，不过提供的接口不同，用户可以使用拖拽的方式去建立实验方案。另外，它支持增量学习。（This environment supports essentially the same functions as the Explorer but with a drag-and-drop interface. One advantage is that it supports incremental learning.）

4）SimpleCLI

简单的命令行界面。（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.）

5）Workbench工作台

（5）查询介绍Spark的简单资料，初步了解其对数据挖掘（机器学习）的支持情况。

（6）了解机器学习、数据挖掘、人工智能的关系。