![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
weka
文章平均质量分 87
蓝亚之舟
个人网站:lanyazhizhou com,欢迎关注点赞支持!!
展开
-
学习weka(7):weka数据预处理方法
1、前言weka 数据预处理阶段全部在 filter 上:下面把一些常见的机器学习数据与处理方法处理说一下(下面所有实例都是在 Explorer 模块上进行的)。2、数据预处理方法可以看到其 filters 可以分为五类,重点是画红框的部分:supervised 是有监督的,unsupervised 是无监督的;每一种往下分,又分为基于 attribute(属性列)和 instance(实例),基于属性列是按照列来进行操作的,基于实例是按照数据行进行操作的。2.1 常见机器学习预处理方法常见原创 2021-04-11 09:34:54 · 15678 阅读 · 0 评论 -
学习weka(3):idea中集成weka
一、前期准备1、加入依赖百度搜索 maven,找到 maven 的 repository 仓库,寻找 weka 的依赖包:找到稳定版本(我下载 weka 软件的时候就是这个版本,没有犹豫,就是它了),点击进去选择对应版本,依然是和自己软件版本一致:点击进去可以看到对应的依赖语句代码了,当然也可以下载 jar 包,不过能偷懒就偷懒一下吧:<dependency> <groupId>nz.ac.waikato.cms.weka</groupId>原创 2021-03-20 21:00:03 · 3731 阅读 · 7 评论 -
学习weka(1):weka软件安装使用教程
前言介绍[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-f7lvlABt-1616221690906)(\weka下载安装教程\weka鸟图.jpg)]Weka 的全名是怀卡托智能分析环境(Waikato Environment for Knowledge Analysis),是一款免费的,非商业化(与之对应的是 SPSS 公司商业数据挖掘产品–Clementine )的,基于 JAVA 环境下开源的机器学习(machine learning)以及数据挖掘(data min原创 2021-03-20 14:32:24 · 7208 阅读 · 0 评论 -
学习weka(2):weka软件使用实例:针对kdd99数据集进行训练和测试
前言kdd99 数据集之前介绍过,没有看的可以参考:KDD CUP99数据集预处理(Python实现)这里拿 kdd99 数据集练练手,主要目的是熟悉一下 weka 的使用。1、数据集准备使用 WEKA 作数据挖掘,面临的第一个问题往往是我们的数据不是 ARFF 格式的。幸好,WEKA 还提供了对 CSV 文件的支持,而这种格式是被很多其他软件所支持的。虽然 weka 也支持 csv 格式,但是建议还是转为 ARFF 格式最好。1.1 简单打开一个 csv 文件(加载数据)(1)加载数据方式原创 2021-03-20 20:54:32 · 6559 阅读 · 2 评论 -
学习weka(6):weka之workbench与simpleCLI详解
1、workBench从Weka 3.8.0开始,提供了一个名为Workbench的新用户界面。Workbench提供了一个多合一的应用程序,该应用程序包含了前面各节中描述的所有主要的WEKA GUI,如下图所示:这就没啥好说的了,之前几章各个界面功能都详细说明了,下面就不展开了。2、simpleCLI如上图所示,就是一个简单的命令行窗口,之前提到过,下面也不展开叙述了。...原创 2021-04-08 12:48:45 · 1074 阅读 · 1 评论 -
学习weka(5):weka之KnowledgeFlow详解
1、前言之前讲了 Explorer 和 Experiment 模块功能,这一章讲一讲 KnowledgeFlow(知识流)界面的功能。该模块功能在某些方面很实用,这里大概讲一下其使用原理:首先通过拉拽在画板上绘制机器学习流程图(右键各个模块图,可以设置参数),然后点击运行,整个算法会按照你绘制的流程图进行运行,最终给出结果。流程图示例如下:2、界面介绍如上图所示,总的来说共有 5 个区域,一一讲述:区域 1:菜单项,主要使用的就是 data mining process,后面 Atribu原创 2021-04-08 12:46:52 · 1974 阅读 · 5 评论 -
学习weka(4):weka之experimenter界面介绍
前言如上图所示,之前我们介绍了 Explorer 界面,说实话,对于一般的机器学习研究,尤其是工程性质的项目,我觉得 Explorer 应用就足够了(其他功能没看的前提下),毕竟数据加载,算法选择,特征选择,数据可视化,算法运行等功能已经足够齐全了。但是,这个功能只占据了 weka 五分之一,这就让我十分好奇,其他应用究竟是什么功能呢?让我们来看一下。1、简单介绍简单来说,experimenter 完成的功能有如下几个:支持多个算法对多个数据集进行运算支持分布式运算Explorer 应用原创 2021-03-26 12:26:42 · 1958 阅读 · 0 评论