weka矿产分布文件_机器学习-工具入门之Weka

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

1. 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

导入文件

3. Preprocess 介绍

Preprocess 页面

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）

数字作为 attribute的表现

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。

Class

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。

文本特征

另外，我们可以通过点击 Edit 来查看全部的数据

详细数据

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

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。

Test Option

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.

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。