MOA网站结构分析

MOA网站地址：http://moa.cs.waikato.ac.nz/

注：文章为作者科研分析所得，请注意版权问题，引用时请告知原作者或做说明。

摘要：本文对MOA（Massive Online Analysis）的官方网站内容及MOA项目代码结构进行分析。截至2014年9月20日，MOA的最新版本是Release 2014.04，需要Weka3.7以上版本的支持。文章根据网站的一级标题、二级标题、三级标题进行逐级分析。

关键字：MOA；网站结构；Weka

 

Weka软件（Waikato Environment for Knowledge Analysis）具有一套用于数据挖掘任务的机器学习算法，这些算法既可以直接应用于一个数据集，也可以由我们自己编写的Java代码调用。Weka包含用于数据预处理、分类、回归、聚类、关联原则以及可视化的工具，它也适用于开发新的机器学习机制^[1]。当在Java项目中装载好Weka.jar、Weka-src.jar之后，就可以继承Weka中现有的类开始编写新的算法。

MOA^[2]是Massive Online Analysis的缩写，它是基于Weka的一个项目，提供挖掘数据流的环境，由Weka的机器学习组（MachineLearning Group）开发研究，属于COSI（center for open software innovation，Waikato大学在计算机科学理论和实践方面的领军研究中心）支持的项目。MOA是最流行的数据流挖掘开源方法，有非常活跃的社区（blog^[3]）。MOA具有一系列机器学习算法（分类、回归、聚类、离群检测及推荐系统）和评价工具。与Weka相似的，MOA也是用java语言编写的。

MOA官方主页为：http://moa.cms.waikato.ac.nz/，主要包括Download、Overview、Details、Blog、Extensions、Team、Datasets七个主目录。另外，在主页的下方提供了一些下载、文档、帮助等的快捷入口。下面，我们从七个方面，对MOA做简要的分析。

1  Downloads

此页面提供MOA相关软件和文档下载，具体情况介绍如下：

（1）相应软件

最新的MOA版本是MOA Release 2014.04，网站提供了插件下载地址。此外，还提供了其他扩展软件的下载页面，以及MOA源码仓库（Mercurial仓库）^[4][5]。

（2）之前版本

之前使用的版本主要包括：

MOA Release 2013.11；

MOA Release 2013.08；

MOA Release 2012.08；

MOA Release 2012.03；

MOA Release 2011.10。

（3）Maven集成

可以将MOA纳入maven项目管理，通过在项目的pom.xml文件中添加如下依赖：

<dependency>

<groupId>nz.ac.waikato.cms.moa</groupId>

<artifactId>moa</artifactId> 

<version>2014.04</version>

</dependency>

（4）教程

教程主要包括对MOA的介绍、对MOA文档的介绍、对MOA聚类的介绍以及对ADAMS和MOA的介绍。其中，对MOA的介绍是在2012年3月编写的，主要介绍如何启动MOA的图形界面并说明图形界面各部分的功能、分类图形用户接口、命令行使用方法、对前文的练习题给出简单的答案。对MOA文档的介绍是在2012年3月编写的，主要给出使用API的简单例子程序，并详细说明了编写一个新分类器的方法，并附有代码说明。对MOA聚类的介绍是在2013年10月编写的，主要介绍了、数据流聚类的设置方法、如何微调自己的流聚类方法、如何比较2种数据流算法。对ADMAS和MOA是在2012年11月编写的。

（5）文档

给出视频介绍、说明文档及用户手册。MOA Data Stream Mining文档主要介绍了挖掘数据流的相关算法，MOA Manual文档主要介绍了用户使用MOA界面的手册。

（6）API

这是MOA项目API的连接地址。

2  Overview

这一部分是对MOA的一个概述内容，主要包括使用MOA和MOA与Weka的交互性。

MOA是Weka相关的项目，使用Java编写，可进一步扩展以解决更多问题。MOA的目标是给挖掘数据流内容的实验提供一个标准方法，它提供了三方面的功能：可存储（真实和合成）数据流的设置，便于重复实验；比较一系列著作中的现有算法和方法；为新的流、算法和评价方法提供一个简单的可扩展框架。

2.1  启动MOA

网站二级标目录，这一部分讲述了MOA的启动和使用过程，具体过程如下所示：

1.