一、數據格式

理解數據格式后，就可以完全控制數據預處理過程。

1.1 ARFF格式

樣例	說明
%整行注釋 @relation person @attribute name string %半行注釋 @attribute age numeric @attribute sex {male,female} @attribute birthday date "yyyy-MM-dd HH:mm:ss" @data "Zhang San",85,male,'2011-06-10 00:00:00' Lisi,?,male,"2011-06-11 00:00:00" ……	關系名，在Explorer界面顯示 String 類型（文本挖掘使用） 數值類型（integer,real完全同義） 枚舉類型（花括號枚舉全部值） 日期類型（日期格式默認） 數據開始標志 （逗號分割數據）

說明：

relation, string, data這些內置關鍵字無所謂大小寫，使用string.equalsIgnoreCase()方法匹配字符串。但數據值嚴格區分大小寫。

weka只解析4中數據類型：字符串、數值、枚舉、日期。

數值型標志numeric、integer、real完全同義。

枚舉類型無關鍵字，直接花括號擴住所有枚舉值。

日期類型的格式字符串不指定，則默認使用 "yyyy-MM-dd'T'HH:mm:ss" （2011-06-10T00:00:00）。

缺失值用半角問號表示 ? ，不認識 NULL。

解析arff過程并非逐行讀取數據，而是使用java.io.StreamTokenizer 。所以 string，nominal 如果值內沒有空格，則不需要用引號包括。空行隨便加。

1.2 CSV格式

weka對待csv格式的文件比較粗暴，對第一行指定的屬性，假定是數值型，然后在后續讀取對應的數據時，嘗試解析數值，如果某一個解析失敗，就將該屬性重新標記為枚舉型（無string、date）；如果全部數據都能解析成數值，就認為該屬性是數值型。

1.3 Arff Viewer

界面：GUI Chooser > Tools > Arff Viewer

[界面截圖略]

作用：以表格形式顯示數據。并可對數據初步處理。

點擊表頭對數據排序（單擊正序排列、shift+單擊逆序排列），然后處理噪聲值。對特別大或特別小的數據，手動改為均值（右鍵表頭> get mean）或缺失值(將值刪除為空)。

注：csv格式的解析方式是內置的，屬性被認為是數值還是枚舉，在這里不能更改。

二、 數據理解

2.1 數據集概覽

界面：GUI Chooser > Explorer按鈕 > Preprocess面板

作用：

1、單屬性統計信息瀏覽。

2、屬性剔除。

3、對數據集做預處理（歸一化、離散化等）。

2.2 單屬性直方圖

界面：GUI Chooser > Explorer按鈕 > Preprocess面板 > Visualize All

[界面截圖略]

作用：僅觀察了解數據。

2.3 二維散點圖

界面：GUI Chooser > Explorer按鈕 > Visualize面板

作用：

1、查看各屬性之間的關系，深入理解數據集。

2、進行數據選擇（放大散點圖后進行）。

2.4 屬性選擇

界面：GUI Chooser > Explorer按鈕 > Select attributes 面板

作用：

1、 查看所有屬性對于某一個屬性的重要程度（最能區分指定屬性的，最重要，一般使用Gain指標）。

三、分類

界面：GUI Chooser > Explorer按鈕 > Classify 面板

[界面截圖略]

作用：分類。

●屬性類型和算法選擇

●算法參數

●測試集

●結果顯示

四、聚類

界面：GUI Chooser > Explorer按鈕 > Cluster 面板

[界面截圖略]

作用：聚類。

●算法參數

●聚類模式

●結果顯示

五、關聯規則

界面：GUI Chooser > Explorer按鈕 > Associate 面板

[界面截圖略]

由于weka arff格式的限制，其關聯規則分析挖掘功能很不實用。類似于背包分析的問題，需要自己寫apriori算法。Apriori算法比較耗資源，可使用FP-Tree算法。

六、挖掘模型固化

界面：GUI Chooser > KnowledgeFlow按鈕

說明：知識流可以認為是weka內核的一個完全圖形化接口，挖掘功能方面與Explorer一樣。但這里可以將數據挖掘全過程中的操作用一個流程表示，并且可以保存起來，多次使用（每次使用只需要更改數據集）。

當對某一主題探索出合適的挖掘流程后，可以在這里固化一個挖掘模型，以后多次使用。

七、其他

7.1 Weka的實驗界面主要用來在同一個訓練集上對比不同的分類算法，可以看作是對挖掘探索的一個封裝，控制方面的靈活性不佳。

7.2 命令行界面也是weka內核的一個接口。

轉載于:https://blog.51cto.com/abool/1580796

總結

以上是生活随笔為你收集整理的数据挖掘工具软件Weka学习教程的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。