weka能读mysql么_WEKA在机器学习、数据挖掘领域的应用（一）

WEKA简介

•Weka的主要开发者来自新西兰的怀卡托(Waikato)大学,是一款免费的，非商业化的，基于JAVA环境下开源的机器学习(Machine Learning)以及数据挖掘(Data Mining)软件。

•Weka可以对数据进行预处理，分类，聚类、关联规则、属性选择以及可视化。

•Weka的源码使用java编写，所有它的jar包还可以导入java的工程中，直接调用api。

•weka可以打开.xls文件(Excel文件)，可以连接数据库(这里连接了mysql数据库)。

•Weka数据格式：ARFF(Attribute-Relation File Format)文件

Weka数据格式：*.ARFF

ARFF数据由三部分构成：关系声明、属性声明、数据信息。

•关系声明 @relation

•属性声明 @attribute

•数据信息 @data

数据准备

•打开.xls文件：在(GUI选择器)Weka GUI Chooser中找到

•访问mysql数据库：需要提前解压缩weka.jar包，然后修改weka里面的jdbc配置代码，打开Sqlviewer进行操作。

•GUI选择器的Arffviewer可以直接以表格形式查看以及修改数据集。

预处理

•加载数据：可以打开文件；也可以通过URL地址，weka通过http协议下载数据文件；可以打开数据库文件。

•属性处理：预处理界面显示了数据集的基本信息，如属性数量、样本数量、属性信息，并且可以手动去除某些不需要的属性。

•过滤器：过滤器分为监督学习与非监督学习两大类，每类里面又分为滤除样本和滤除属性的过滤器。

无监督属性过滤器：增加和删除属性(给定位置插入或者删除属性)、改变值(比如处理缺失值)、转换(比如离散化)、字符串转换(将字符串属性转换为标称属性)。

无监督实例过滤器：随机化和子抽样、稀疏实例。

有监督属性过滤器：离散化(将数值型属性离散化为标称型属性)、改变类别顺序(根据类别频率进行顺序或降序排序)、等等。

有监督实例过滤器：ClassBalancer(使得每个类别都有相同的总权重)、SpreadSubsample(产生一个随机子样本)、等等

在预处理标签页加载UCI的glass.arff数据集，选择无监督属性Discretize过滤器， 先等宽离散化，再设置useEqualFrequence = true进行等频离散化。

glass数据集是通过折射率和化学元素确定玻璃类型的数据库。数据集有9个属性，其中1个为折射率，剩余8个为玻璃所含化学元素的相对重量，类别标签共有7种，是7种用途的玻璃类型。