WEKA完整中文教程
2020年整理WEKA汉化教程.pdf
注意在稀疏格式中没有注明的属性值不是缺失值，而是 0 值。若要表示缺失值必须显 式的用问号表示出来。
Relational 型属性 在 WEKA 3.5 版中增加了一种属性类型叫做 Relational，有了这种类型我们可以像关 系型数据库那样处理多个维度了。但是这种类型目前还不见广泛应用，暂不作介绍。 -----整理自 -和
@attribute <attribute-name> <datatype> 其中<attribute-name>是必须以字母开头的字符串。和关系名称一样，如果这个字符 串包含空格，它必须加上引号。 WEKA 支持的<datatype>有四种，分别是 numeric-------------------------数值型 <nominal-specification>-----分类（nominal）型 string----------------------------字符串型
@attribute outlook {sunny, overcast, rainy} 如果类别名称带有空格，仍需要将之放入引号中。 字符串属性 字符串属性中可以包含任意的文本。这种类型的属性在文本挖掘中非常有用。示例：
@ATTRIBUTE LCC string 日期和时间属性 日期和时间属性统一用“date”类型表示，它的格式是
csvwrite('filename',matrixname) 需要注意的是，Matllab 给出的 CSV 文件往往没有属性名（Excel 给出的也有可能没 有）。而 WEKA 必须从 CSV 文件的第一行读取属性名，否则就会把第一行的各属性值读成 变量名。因此我们对于 Matllab 给出的 CSV 文件需要用 UltraEdit 打开，手工添加一行属 性名。注意属性名的个数要跟数据属性的个数一致，仍用逗号隔开。 .csv -> .arff
Weka--ARFF数据格式介绍和转换
Weka--ARFF数据格式介绍和转换简介Weka 是⼀个由Java编写的开源免费的数据挖掘⼯具，全称怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），它是基于JAVA环境下开源的机器学习（machine learning）以及数据挖掘（data mining）的软件，运⾏该⼯具需要安装Java环境。
Weka同时提供了命令⾏和GUI两种使⽤⽅式⽅式，前者效率更⾼，后者使⽤更简单。
软件安装1. 下载并安装Java环境参见教程：2.安装WekaWindows上下载.exe安装后直接双击运⾏安装官⽅⽹址：数据集介绍在Weka中，⼀个数据集由 weka.core.Instances 实现。
数据集中每个样例是由weka.core.Instance实现。
每个样例由多个属性组成，其中简单的属性类型见表1。
表1：Weka数据集的简单属性属性类型描述样例列表型(nominal)⼀组值得预定义列表{1,2,3}, {good, bad}数值型(numeric)⼀个实数或者整数12, 2.3, 50字符串(string)⼀个任意长的字符序列，包含在双引号内"better", "worse"除了简单属性，Weka还有附加类型的属性date和relational，将会在之后介绍。
Weka的数据集存储在ARFF格式的⽂件中，下⾯是⼀个ARFF⽂件的格式说明：% This is a toy example, the UCI weather dataset.% Any relation to real weather is purely coincidental.@relation golfWeatherMichigan_1988/02/10_14days@attribute outlook {sunny, overcast, rainy}@attribute windy {TRUE, FALSE}@attribute temperature real@attribute humidity real@attribute play {yes, no}@datasunny,FALSE,85,85,nosunny,TRUE,80,90,noovercast,FALSE,83,86,yesrainy,FALSE,70,96,yesrainy,FALSE,68,80,yes以%开头的两⾏是注释，主要介绍该数据集的来源，内容和意义等；@relation 是该数据集的关系名称；@attribute 是该数据集每个实例的属性说明，上例中共有5个属性，其中3个列表型属性，2个数值型属性，没有字符串型属性；@data 下⾯⾏就是数据集内容，每⾏代表⼀个实例，每个实例由5个之前定义过的属性。
数据挖掘-WEKA实验报告一
数据挖掘-WEKA 实验报告一一、实验内容1、Weka 工具初步认识（掌握weka程序运行环境）2、实验数据预处理。
（掌握weka中数据预处理的使用）对weka自带测试用例数据集weather.nominal.arrf文件，进行一下操作。
1）、加载数据，熟悉各按钮的功能。
2）、熟悉各过滤器的功能，使用过滤器Remove、Add对数据集进行操作。
3）、使用weka.unsupervised.instance.RemoveWithValue 过滤器去除humidity属性值为high的全部实例。
4）、使用离散化技术对数据集glass.arrf中的属性RI和Ba 进行离散化（分别用等宽，等频进行离散化）。
(1)打开已经安装好的weka,界面如下，点击openfile即可打开weka自带测试用例数据集weather.nominal.arrf文件(2)打开文件之后界面如下：(3)可对数据进行选择，可以全选，不选，反选等，还可以链接数据库，对数据进行编辑，保存等。
还可以对所有的属性进行可视化。
如下图：(4)使用过滤器Remove、Add对数据集进行操作。
(5)点击此处可以增加属性。
如上图，增加了一个未命名的属性unnamed.再点击下方的remove按钮即可删除该属性.(5)使用weka.unsupervised.instance.RemoveWithValue过滤器去除humidity属性值为high的全部实例。
没有去掉之前：(6)去掉其中一个属性之后：(7)选择choose里的removewithvalue：(8)选择huminity属性：(9)使用离散化技术对数据集glass.arrf中的属性RI和Ba进行离散化（分别用等宽，等频进行离散化）。
RI等宽：(10)Ba等频：二、思考与分析.1.使用数据集编辑器打开weather.nominal.arrf文件，实例编号为2的分类属性值是多少？如图所示：实例编号为2的分类值属性为no加载weather.nomina.arrf文件后，temperature属性可以有哪些合法值？Temperature可以取值为：hot、mild、coolWord 资料。
weka总结
Weka总结引言Weka是一个免费、开源的数据挖掘和机器学习软件，于1997年首次发布。
它由新西兰怀卡托大学的机器学习小组开发，提供了一系列数据预处理、分类、回归、聚类和关联规则挖掘等功能。
本文将对Weka进行总结，并讨论其主要功能和优点。
主要功能1. 数据预处理Weka提供了各种数据预处理技术，用于数据的清洗、转换和集成。
最常用的预处理技术包括缺失值处理、离散化、属性选择和特征缩放等。
通过这些预处理技术，用户可以减少数据中的噪声和冗余信息，提高机器学习模型的性能。
2. 分类Weka支持多种分类算法，包括决策树、贝叶斯分类器、神经网络和支持向量机等。
用户可以根据自己的需求选择适当的算法进行分类任务。
Weka还提供了交叉验证和自动参数调整等功能，帮助用户评估和优化分类器的性能。
3. 回归除了分类，Weka还支持回归问题的解决。
用户可以使用线性回归、多项式回归和局部回归等算法，对给定的数据集进行回归分析。
Weka提供了模型评估和可视化工具，帮助用户理解回归模型和评估其预测性能。
4. 聚类Weka的聚类算法可用于将数据集中相似的样本归类到一起。
Weka支持K-means、DBSCAN、谱聚类和层次聚类等常用的聚类算法。
用户可以根据数据的特点选择适当的算法并解释聚类结果。
5. 关联规则挖掘关联规则挖掘是一种常见的数据挖掘任务，用于发现数据集中的频繁项集和关联规则。
通过Weka，用户可以使用Apriori和FP-growth等算法来挖掘数据中的关联规则。
Weka还提供了支持多种评估指标的工具，用于评估关联规则的质量和可信度。
优点1. 易于使用Weka的用户界面友好且易于使用。
它提供了直观的图形界面，使用户可以快速上手并进行各种数据挖掘任务。
此外，Weka还支持命令行操作，方便用户在脚本中使用和集成Weka的功能。
2. 强大的功能Weka提供了丰富的数据挖掘和机器学习功能，涵盖了数据预处理、分类、回归、聚类和关联规则挖掘等领域。
Weka数据挖掘软件使用指南
Weka数据挖掘软件使用指南Weka 数据挖掘软件使用指南1. Weka简介该软件是WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），它的源代码可通过得到。
Weka作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。
如果想自己实现数据挖掘算法的话，可以看一看Weka的接口文档。
在Weka中集成自己的算法甚至借鉴它的方法自己实现可视化工具并不是件很困难的事情。
2. Weka启动打开Weka主界面后会出现一个对话框，如图：主要使用右方的四个模块，说明如下：Explorer使用Weka探索数据的环境,包括获取关联项，分类预测，聚簇等；（本文主要总结这个部分的使用）Experimenter运行算法试验、管理算法方案之间的统计检验的环境；KnowledgeFlow这个环境本质上和Explorer所支持的功能是一样的，但是它有一个可以拖放的界面。
它有一个优势，就是支持增量学习；SimpleCLI提供了一个简单的命令行界面，从而可以在没有自带命令行的操作系统中直接执行Weka命令；（某些情况下使用命令行功能更好一些）3．主要操作说明点击进入Explorer模块开始数据探索环境：3.1主界面进入Explorer模式后的主界面如下：3.1.1标签栏主界面最左上角（标题栏下方）的是标签栏，分为五个部分，功能依次是：1. Preprocess. 选择和修改要处理的数据；2. Classify. 训练和测试关于分类或回归的学习方案；3. Cluster. 从数据中学习聚类；4. Associate.从数据中学习关联规则；5. Select attributes. 选择数据中最相关的属性；6. Visualize.查看数据的交互式二维图像。
3.1.2载入、编辑数据标签栏下方是载入数据栏，功能如下：1.Open file.打开一个对话框，允许你浏览本地文件系统上的数据文件（.dat）；2.Open URL.请求一个存有数据的URL 地址；3.Open DB.从数据库中读取数据；4.Generate.从一些数据生成器中生成人造数据。
weka使用
1）Explorer用来进行数据实验、挖掘的环境，它提供了分类，聚类，关联规则，特征选择，数据可视化的功能。
（An environment for exploring data with WEKA）2）Experimentor用来进行实验，对不同学习方案进行数据测试的环境。
（An environment for performing experiments and conducting statistical tests between learning schemes.）3）KnowledgeFlow功能和Explorer差不多，不过提供的接口不同，用户可以使用拖拽的方式去建立实验方案。
另外，它支持增量学习。
（This environment supports essentially the same functions as the Explorer but with a drag-and-drop interface. One advantage is that it supports incremental learning.）4）SimpleCLI简单的命令行界面。
（Provides a simple command-line interface that allows direct execution of WEKA commands for operating systems that do not provide their own command line interface.）二、实验内容1.选用数据文件为：2.在WEKA中点击explorer 打开文件3.对数据整理分析4.将数据分类：单机classify ——在test options 中 选择第一项（Use training set ）——点击classifier 下面的choose 按钮 选择trees 中的J48由上图可知该树有5个叶子是否出去游玩由天气晴朗（sunny）、天气预报（overcast）以及阴雨天（rainy）因素决定5.关联规则我们打算对前面的“bank-data”数据作关联规则的分析。
java weka 案例
下面是一个简单的Java Weka使用案例。
在这个例子中，我们将使用Weka库对一个简单的数据集进行分类。
首先，你需要确保你已经安装了Weka库并将其添加到你的Java项目中。
你可以从Weka官网下载最新版本的Weka库。
然后，你可以使用以下代码加载数据集并使用J48决策树算法进行分类：
在这个例子中，我们首先使用DataSource类加载数据集。
然后，我们创建一个
J48对象，设置其未剪枝和随机种子属性，并使用数据集构建分类器。
最后，我们输出分类器的内容。
这只是一个简单的Weka使用案例，你可以根据自己的需求使用不同的算法和数据集进行更复杂的分类任务。
Weka关联规则解析学习教案
第4页/共25页
第五页，共25页。
PredictiveApriori算法(suàn fǎ)
将置信度和支持(zhīchí)度合并为预测精度而 成为单一度测量法
找出经过预测精度排序的关联规则
第5页/共25页
第六页，共25页。
每个区间的最低值为下一区间的最高值。
这样就可以分为[1700,1613.2)，[1613.2,1526.4)，[1526.4,1439.6)， [1439.6,1352.8)，[1352.8,1266]。
分别用HF，HMF，MF，MLF，LF表示，
其中H为high，代表高，M为medium代表中，L为low，代表低。
Best rules found:
1. Future=LF 3 ==> Current=LC 3 acc:(0.77994)
2. Future=HMF 7 ==> Current=HMC 4 acc:(0.47441)
3. Current=MLC 7 ==> Future=MLF 4 acc:(0.47441)
源数据介绍
数据是2004年1月到2006年8月的小麦期货
市场和现货市场的价格，其中期货市场价 格来自(lái zì)郑州商品交易所，选硬冬白小 麦（WT609）,价格为每月的收盘价，现货 市场的价格来自(lái zì)国家粮油信息中心，
为中等普通小麦市场批发价格，价格数值
为每个月的下旬平均价。单位均转换为元/
这几条规则后也许可以判断出这两个价格之间存在着某种的正关联关系。但其关联程 度如何，是否真正有正关联便不得而知。
第19页/共25页
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
， pep:
did the customer buy a PEP (Personal Equity Plan
个人参股计划) after the last mailing (YES/NO)
9
1 2 3
4 6
5 7
8
3、数据准备（续）
上图显示的是 “Explorer”打开“bank-data.csv”的情况。我 们根据不同的功能把这个界面分成8个区域。 1. 区域1的几个选项卡是用来切换不同的挖掘任务面板。 2. 区域2是一些常用按钮。包括打开数据，保存及编辑功 能。我们可以在这里把“bank-data.csv”另存为“bankdata.arff”。 3. 在区域3中“Choose”某个“Filter”，可以实现筛选数据或者 对数据进行某种变换。数据预处理主要就利用它来实现。 4. 区域4展示了数据集的一些基本情况。 5. 区域5中列出了数据集的所有属性。勾选一些属性并 “Remove”就可以删除它们，删除后还可以利用区域2的 “Undo”按钮找回。区域5上方的一排按钮是用来实现快速 勾选的。在区域5中选中某个属性，则区域6中有关于这个 属性的摘要。注意对于数值属性和标称属性，摘要的方式 是不一样的。图中显示的是对数值属性“income”的摘要。
7
2、数据格式（续）
字符串属性和标称属性的值是区分大小写的。若值中含 有空格，必须被引号括起来。例如：
@relation LCCvsLCSH @attribute LCC string @attribute LCSH string @data AG5, 'Encyclopedias and dictionaries.;Twentieth century.' AS262, 'Science -- Soviet Union -- History.'
5
2、数据格式（续）
WEKA支持的<datatype>有四种
数值型 numeric 标称（ ）型 <nominal-specification> 字符串型 string 日期和时间型 date [<date-format>]
nominal
其中<nominal-specification> 和<date-format> 将在下 面说明。还可以使用两个类型“integer”和“real”，但是 WEKA把它们都当作“numeric”看待。注意“integer”， “real”，“numeric”，“date”，“string”这些关键字是区分
块。现在我们先来熟悉它的界面，然后利用它对数据进
行预处理。
3、数据准备（续）
bank-data数据各属性的含义如下：
id:
a unique identification number
age:
age of customer in years (numeric)
sex:
MALE / FEMALE
region: inner_city/rural/suburban/town
数据挖掘工具 WEKA教程
广东外语外贸大学 杜剑峰
WEKA教程
1. WEKA简介 2. 数据格式 3. 数据准备 4. 属性选择 5. 可视化分析 6. 分类预测 7. 关联分析 8. 聚类分析 9. 扩展WEKA
课程的总体目标和要求： 熟悉WEKA的基本操作，了 解WEKA的各项功能
掌握数据挖掘实验的流程
大小写的，而“relation”、“attribute ”和“data”则不区分。
2、数据格式（续） 待数数。值值属型性属性可以是整数或者实数，但WEKA把它们都当作实数看 <标标放别例这ovn称称在。如三eormc属属花如者ains性性括下之at”l由号的一-和na<。中属“rmna：性oienm3{声y<>i”nn。明,ao.l.而说m-.s}ip数明。nea据“c数lo-ifnu集i据catlamo中集toieo每k中1n”>属>个该,列性<实属出n有例性o一m三对的i系n种应值a列l类的-只n可别a“能om能u：是et的l2“o其s>o类uk,中n别”n值一y名必”种，称是类“并 @ 如果att类rib别ut名e o称u带tlo有ok空{s格un，ny仍, o需v要erc将as之t,放ra入in引y} 号中。
2、数据格式（续）
数据信息 数据信息中“@data”标记独占一行，剩下的是各个实例 的数据。 每个实例占一行。实例的各属性值用逗号“,”隔开。如果 某个属性的值是缺失值（missing value），用问号“?” 表示，且这个问号不能省略。例如： @data sunny,85,85,FALSE,no ?,78,90,?,yes
8
3、数据准备
数据文件格式转换 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，比如 Excel，所支持的。现在我们打开“bank-data.csv”。 利用WEKA可以将CSV文件格式转化成ARFF文件格 式。ARFF格式是WEKA支持得最好的文件格式。 此外，WEKA还提供了通过JDBC访问数据库的功能。 “Explorer”界面 “Explorer”提供了很多功能，是WEKA使用最多的模
2005年8月，在第11届ACM SIGKDD国际会议上，怀卡 托大学的WEKA小组荣获了数据挖掘和知识探索领域的 最高服务奖， WEKA系统得到了广泛的认可，被誉为数 据挖掘和机器学习历史上的里程碑，是现今最完备的数 据挖掘工具之一。 WEKA的每月下载次数已超过万次。
1、WEKA简介（续）
作为一个大众化的数据挖掘工作平台， WEKA集成了大 量能承担数据挖掘任务的机器学习算法，包括对数据进 行预处理、分类、回归、聚类、关联分析以及在新的交 互式界面上的可视化等等。通过其接口，可在其基础上 实现自己的数据挖掘算法。
3
2、数据格式（续）
文件内容说明 识别ARFF文件的重要依据是分行，因此不能在这种文 件里随意的断行。空行（或全是空格的行）将被忽略。 以“%”开始的行是注释，WEKA将忽略这些行。如果你 看到的“weather.arff”文件多了或少了些“%”开始的行， 是没有影响的。
除去的第第给注声一二出明部部的释和分分数后对给给据，。属出出整从性了了个“的头数@声信据AdRa明息信tFa。（息”F标H（文记eDa件开adt可a始inifn，以ofrom后分rma面为taio的tin两o）就n）个，是，部包数即括据分数了信。据对息集关了中系。
7. 区域8是状态栏，可以查看Log以判断是否有错。右边 的weka鸟在动的话说明WEKA正在执行挖掘任务。右 键点击状态栏还可以执行JAVA内存的垃圾回收。
3、数据准备（预处理1）
删除无用属性
通常对于数据挖掘任务来说，ID这样的信息是无用的，我们 将之删除。在区域5勾选属性“id”，并点击“Remove”。将新 的数据集保存为“bank-data.arff”，重新打开。 此外，我们可 以通过名为“RemoveType”的Filter删除某一类型的属性。
4
2、数据格式（续）
关系声明 关系名称在ARFF文件的第一个有效行来定义，格式为 @relation <relation-name> <relation-name>是一个字符串。如果这个字符串包含 空格，它必须加上引号（指英文标点的单引号或双引 号）。
2、数据格式（续） 属属据这的分“个类属hu性性类些位那属或性m声声型声置些性回声id。。明明明被都归明ity例用语逗有任的”值如一句号它务格。，列的分对中式其“，以顺开应为h次u“它序的的@，m“是很列i@ a最dt默重中itta后ryit，认要b”t是一rui。第的bt第个eu”首三目t开三声e”先列标语头个明它数变的句被的表据量，语声属。明8来句明性5了表定的被9该0义示属称项8。它性作6属数的c，9l性6a据属这s.在.s集性.说属是数中名明性相据的称数，应部每和据在的分一数部分 @ 其样中，att<如riab果tutrt这iebu<个tae字t-tnri符abmu串tee包>-n是含am必空e须>格以<，d字a它t母a必t开y须p头e加>的上字引符号串。。和关系名称一
6
2、数据格式（续） 字字中示符符非例：串串常属属有性性用。中可以包含任意的文本。这种类型的属性在文本挖掘
@ATTRIBUTE LCC string
日日期期和和时时间间属属性性统一用“date”类型表示，它的格式是 @ 其来I数（SO中规据下at-t<定信文8rin6b该息有a0um1t怎部例e所e<样分子>给n是）解表a的m这。析达日e个和日>期属d显期时a性t示的e间的日字[组<名d期符合a称或串t格e，-时必f式o<间须rd“mya的符yatyet格合>y-f-]oM式声rmM，明a-d默中t>d是认规TH一的定H个字的:m字符格m符串式:ss串是要”。，求
10
3、数据准备（续）
6. 区域7是区域5中选中属性的直方图。若数据集的某个 属性是目标变量，直方图中的每个长方形就会按照该 变量的比例分成不同Байду номын сангаас色的段。默认地，分类或回归 任务的默认目标变量是数据集的最后一个属性（这里 的“pep”正好是）。要想换个分段的依据，即目标变 量，在区域7上方的下拉框中选个不同的分类属性就 可以了。下拉框里选上“No Class”或者一个数值属性 会变成黑白的直方图。
准备数据
选择算法和参数运行
评估实验结果
了解或掌握在WEKA中加入 新算法的方法
1
1、WEKA简介
WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），其源代码可 从/ml/weka/得到。同时 weka也是新西兰的一种鸟名，而WEKA的主要开发者 来自新西兰。