![555b174a89e64faceda56228ad977da5.png](https://i-blog.csdnimg.cn/blog_migrate/d2ab0565f39c282f7b0af2855f3b2e53.jpeg)
Weka是一款机器学习软件,最主要应用是数据挖掘,网上大部分的课程也都是关于如何使用Weka做数据挖掘的。在这里基于一个tweet文本分析地点来介绍一些Weka的入门使用步骤
- 下载 直接google即可,官网下载相应版本。
2. 导入文件
Weka 支持的是 arff 格式的文件,如果不是该格式,一定先转成该格式。点击open file选择自己要使用的文件
![0b7492682567cdf37e013295beefbaf8.png](https://i-blog.csdnimg.cn/blog_migrate/48e1349b7f427d98594ae1730e3c7bd9.jpeg)
3. Preprocess 介绍
![fe0cdb34a33e1d21cc0fb40bb22e4a3a.png](https://i-blog.csdnimg.cn/blog_migrate/c22757219db6063dcca6db7657cef11c.jpeg)
在导入文件之后我们就可以看到Weka的preprocess界面里的一些参数了 如上图
首先是 Attribute 部分,这是根据导入的文件格式自动生成的。在这里面,原来是数字的部分会被认定为值,并在右侧展示该数字的分布。如图,我们选择 tweet-id 作为我们当前的特征可以看到 tweet-id 在整个区间中的分布情况。同时三种不同的颜色分别是代表分的三类(三个地点)
![689316284b19162d72fb74c070d5d475.png](https://i-blog.csdnimg.cn/blog_migrate/5ae1763ba69b962a784db056161af4b9.jpeg)
选择一个 class(右侧直方图上方),这个 class 就是我们要做的分类(一般我们在数据集中命名我们的的分类依据为“Class”),本次样例中使用的是三个地点。
![27f9f6941a30ce03ad26d99b7909eb4d.png](https://i-blog.csdnimg.cn/blog_migrate/76f0f0bb1b16341649b7cc1bc07e5d6e.jpeg)
此外,由于我们是对文本进行分析,文本中的单词也被提取出来作为特征。文本中包含这个单词的数量就是这个特征的值。这里我们并没有将所有的单词提取出来作为特征,只是在文本中提前设定好了,出现频率最多的单词 Top n(most) 或者相关信息度 Top n(best),并可以通过数据文件名来区分。
![13ac04bfd33368e004152c79a42e9e7c.png](https://i-blog.csdnimg.cn/blog_migrate/63b0a357afa15be64bd82da804ff9ea8.jpeg)
另外,我们可以通过点击 Edit 来查看全部的数据
![a8db0b44982b4d67a938359bd7c4d5bd.png](https://i-blog.csdnimg.cn/blog_migrate/d8d97d2e511bc03d9b3b87e82b6d68fc.jpeg)
4 Classify
首先我们进入 Classify 并点击 choose 选择一个模型,这里我们首先使用 ZeroR来实验一下
![5d8042ba2b3ae13e46c0019ac0d88596.png](https://i-blog.csdnimg.cn/blog_migrate/2443d00eb72dd331d1905f8f9f31083f.jpeg)
然后我们在 Test Options 这一部分可以选择本次的分类依据,注意,并不是所有的模型都可以选择所有类别作为分类依据,这里 ZeroR 是可以根据 nom 分类的。
![6a7608f2546170301c8003b173cb7d92.png](https://i-blog.csdnimg.cn/blog_migrate/df473c27742a2f874947251b055b1198.jpeg)
我们可以先简单的看一下结果。第一次测试中,显然把所有的样例都划分到 New York 这一类别里了,所以导致另外两项的准确率都为 0.
![554eca32b925e9d7226a8944c00631f6.png](https://i-blog.csdnimg.cn/blog_migrate/a9dc95d433ebaa93265d10900949b096.jpeg)
在下一次的学习计划中我们将继续学习分类及各种模型,并将这些模型应用到weka上,得到我们想要的结果。