用weka打开UCI数据集

1.打开网页,ctrl+s,保存格式为所有格式。

2.用Excel打开,分隔符选逗号或者空格。在第一行添加一行,给每列取个属性名称后,保存为CSV格式文件。

3.用weka打开CSV文件。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,下面我将向您介绍如何使用Weka自带的数据集进行神经网络结果分析。 1. 打开Weka 首先,打开Weka软件。 2. 选择数据集 在Weka主界面上,选择“Explorer”选项卡。在“Preprocess”面板中,选择“Open file”按钮打开数据集。在弹出的文件选择窗口中,找到Weka自带的数据集文件,例如“iris.arff”或“diabetes.arff”。 3. 选择神经网络算法 在“Classify”选项卡中,选择“Functions”子选项卡。在算法列表中,选择“MultilayerPerceptron”算法。 4. 调整神经网络参数 在“MultilayerPerceptron”算法界面中,您可以调整神经网络的参数,例如学习率、动量、隐藏层数和每层的节点数等。对于Weka自带的数据集,使用默认参数即可。 5. 训练神经网络 单击“Start”按钮,Weka将会自动将数据集拆分为训练集和测试集,并使用训练集训练神经网络。 6. 分析神经网络结果 训练完成后,Weka会显示混淆矩阵、分类准确率等性能指标。您可以根据这些指标对神经网络模型进行分析和优化。 以“iris.arff”为例,Weka训练完成后会显示以下结果: ``` === Summary === Correctly Classified Instances 146 97.3333 % Incorrectly Classified Instances 4 2.6667 % Kappa statistic 0.96 Mean absolute error 0.0357 Root mean squared error 0.189 Relative absolute error 7.6009 % Root relative squared error 40.5336 % Total Number of Instances 150 === Confusion Matrix === a b c <-- classified as 50 0 0 | a = Iris-setosa 0 47 3 | b = Iris-versicolor 0 1 49 | c = Iris-virginica ``` 从以上结果中可以看出,使用Weka自带的“iris.arff”数据集训练的神经网络模型,在测试集上的分类准确率为97.3333%。混淆矩阵显示,对于三个类别,分类效果都很好,仅有4个实例分类错误。 希望这些信息对您有所帮助!

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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