数据挖掘工具Weka教程

1、数据挖掘工具WEKA教程，广东外语外贸大学杜建丰，WEKA教程，WEKA简介数据格式数据准备属性选择可视化分析分类预测关联分析集群分析扩展WEKA，课程的总体目标和要求：熟悉WEKA的基本任务，了解WEKA的功能为数据挖掘实验准备流程数据选择算法和参数执行评估实验结果，WEKA有了新的算法WEKA是新西兰的新名称，WEKA的主要开发人员来自新西兰。WEKA大学WEKA团队于2005年8月在第11届ACMSIGKDD国际会议上获得了数据挖掘和知识导航领域的最高服务奖，WEKA系统被广泛认为是数据挖掘和机器学习历史上的里程碑，是当今最完整的数据挖掘工具之一。WEKA每月下载次数超过10，000次

9、2001-04-04幸运的是，WEKA还提供了许多其他软件(如Excel)支持的CSV文件支持。现在打开bank-data.csv。可以使用WEKA将CSV文件格式转换为ARFF文件格式。ARFF格式是WEKA最支持的文件格式。WEKA还提供了通过JDBC访问数据库的功能。浏览器界面“浏览器”提供了许多功能，是WEKA最常用的模块。首先熟悉界面，然后使用它预处理数据。，3，准备数据(续)，Bank-data数据每个属性的含义如下：id:auniqueidentificationnumberage:ageofcustomerinyears(numeric)sex3360

10、male/femaleregion:inner_CIImortgage:doesthecustomerhaveamortgage(yes/no)Pep:didthecustomerbuyaPep(个人参与计划)我们根据不同的功能将此界面分为8个区域。区域1中的多个选项卡用于切换不同的挖掘任务面板。本部分仅使用“Preprocess”，其他面板的功能将在稍后介绍。区域2是一些常用按钮。包括打开、保存和编辑数据的功能。您可以在此将bank-data.csv保存为bank-data.arff。在区域3中选择筛选器后，可以筛选数据或转换数据。数据预处理主

11、要是使用它完成的。区域4显示了数据集的一些基本情况。3，准备数据(续)，数据集的所有属性都列在区域5中。您可以选择某些属性，然后选择“Remove”将其删除，也可以在删除后使用区域2中的“Undo”按钮进行搜索。区域5上方的按钮行用于快速选择。在区域5中选择属性时，区域6将显示此属性的摘要。摘要对于数字属性和公称属性是不同的。图像显示数字属性income的摘要。区域7是区域5中选定属性的直方图。如果数据集的最后一个属性(分类或回归操作的默认目标变量)是类变量(其中“pep”完全相同)，则直方图中的每个矩形将根据该变量的百分比分为不同颜色的段。要更改段的条件，只需从区域7上方的下拉框中选择其

12、他分类属性即可。如果从下拉框中选择“NoClass”或数字属性之一，则此属性为黑白直方图。区域8是状态栏，您可以查看Log以确定是否存在错误。右边的WEKA鸟移动时，WEKA正在进行挖掘。您还可以右键单击状态栏以回收JAVA内存。3，准备数据(预处理1)，删除无用的属性通常对于数据挖掘任务来说，ID等信息没有用处，应将其删除。在区域5中，选择属性id，然后单击Remove。将新数据集另存为“bank-data.arff”，然后重新打开。接下来，演示RemoveType。离散化我们知道，某些算法(如关联分析)仅在所有属性都是公称形式的情况下处理。此时，我们需要离散数值属性。此数据集中有三个变量

13、是数值：“age”、“income”和“children”。其中children只有四个值：0，1，2，3。此时可以直接修改ARFF文件，然后将attributechildrennumeric更改为attributechildren0，1，2，3。在Explorer中重新打开bank-data.arff，注意在选择了children属性的情况下，区域6中显示的Type更改为Nominal。3、准备数据(预处理2)、分布式(继续)age和income的分离可以使用WEKA中名为Discretize的Filter完成。过滤器树出现在区域2的“Choose”中，单步查找WEKA.fi

14、lters.unsupported.attribute.discretize，然后单击。“Choose”旁边的文本框现在应该显示“discretize-b10-m-0.1-rfirst-last”。单击此文本框将显示一个新窗口，允许您修改离散参数。将AttributeIndices的右侧更改为“1，4”，但不单独调整第一个属性和第四个属性(请参阅区域5属性名称左侧的数字)。由于您计划将这两个属性都分成三个段，因此请将“bins”更改为“3”。其他方块不需要变更。单击“确定”返回Explorer，您会看到age和income离散了组件类型的属性。要取消“离散化”命令，请单击区域2中的Undo。通过此操作获得的数据集将保存为bank-data-final.arff。3，准备数据(预处理3)，转换属性类型NominalToBinary筛选器将所有nominal类型的属性转换为