学习weka一段时间了，可总感觉还是理解的不时很明白，今天看到一个大牛人的博客，他对waka的各个方面的使用简明扼要的写了几篇文章，看了这几篇文章后，我的感觉是，文章不是特别的深，但是各方面的例子举得都有，对整个weka的使用有了更进一步的认识，而且博主alex对代码做了很详细的注释，真是煞费苦心。确实是好文章，我认为特别是对初学者，更加适合，这里整理下，把链接给出来，推荐给大家,方便大家学习，在此非常感谢alex！
Weka学习一(分类器算法)
从前年开始使用weka最数据挖掘方面的研究，到现在有一年半的时间了。看到我们同组的兄弟写了关于weka方面的总结，我也想整理一下。因为网上的资料实在是太少，记得刚接手的时候，真是硬着头皮看代码。不过到现在看来，也积累了很多的代码了。希望能够在这里跟大家分享一下学习weka的乐趣与经验...
Weka学习二(聚类算法)
上次我介绍了分类器的使用方法，这次我来介绍一下聚类算法。聚类算法在数据挖掘里面被称之为无监督学习(unsupervised learning)，这是与分类算法(supervised learning)相对的。在它们两者之间还一种叫做半监督学习(semi-supervised learning)这个我会在后面的文章中重点介绍...
Weka学习三(ensemble算法)
前两次我们讲了数据挖掘中比较常见的两类方法。这次我来介绍一下ensemble(集成技术)，总的来说，ensemble技术是归类在分类中的。它的主要原理是通过集成多个分类器的效果来达到提高分类效果的目的...
Weka学习四(属性选择)
在这一节我们看看属性选择。在数据挖掘的研究中，通常要通过距离来计算样本之间的距离，而样本距离是通过属性值来计算的。我们知道对于不同的属性，它们在样本空间的权重是不一样的，即它们与类别的关联度是不同的，因此有必要筛选一些属性或者对各个属性赋一定的权重。这样属性选择的方法就应运而生了...
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
