机器学习之 weka学习（一）weka介绍，安装和配置环境变量

本部分详情可查看博客http://blog.csdn.net/u011067360/article/details/20844443

                                            数据挖掘开源软件：WEKA基础教程

Weka简介：

       Weka是由新西兰怀卡托大学开发的智能分析系统（Waikato Environment for Knowledge Analysis）  。在怀卡托大学以外的地方，Weka通常按谐音念成Mecca，是一种现今仅存活于新西兰岛的，健壮的棕色鸟,  非常害羞，好奇心很强，但不会飞  。

         Weka是用Java写成的，它可以运行于几乎所有的操作平台,包括Linux，Windows等操作系统。

         Weka平台提供一个统一界面，汇集了当今最经典的机器学习算法及数据预处理工具。做为知识获取的完整系统,包括了数据输入、预处理、知识获取、模式评估等环节，以及对数据及学习结果的可视化操作。并且可以通过对不同的学习方法所得出的结果进行比较，找出解决当前问题的最佳算法。

Weka下载网页

                      http://www.cs.waikato.ac.nz/ml/weka/

                     http://www.cs.waikato.ac.nz/ml/weka/downloading.html

        在WEKA的安装文件中有weka-3-8-0.exe和 weka-3-8-0jre.exe，这两个软件我们安装一个即可，它们的区别是weka-3-8-0.exe只安装WEKA，而weka- 3-8-0jre.exe是将WEKA和JRE一起安装，所以在安装之前我们应该首先检查一下我们的电脑中是否安装了JRE，如果本机中已经安装了 JRE，那么我们就选择weka-3-8-0.exe安装程序，如果没有安装JRE，我们就选择weka-3-8-0jre.exe安装程序。

Weka安装后需要配置环境变量：

环境变量的配置具体可参见

java 基础安装和Tomcat8配置

        Weka提供了许多用于数据可视化及预处理的工具（也称作过滤器），包括种类繁多的用于数据集转换的工具等。所有机器学习算法对输入数据都要求其采用ARFF格式。   Weka作为一个公开的知识过去的工作平台，集合了大量能承担数据（知识）挖掘任务的机器学习算法，包括分类，回归、聚类、关联规则等。

       Weka存储数据的格式是ARFF（Attribute-RelationFile Format）文件，这是一种ASCII文本文件。Weka的ARFF文件可以分为两部分。第一部分给出了头信息（Head information）,包括了对关系的声明和对属性的声明。第二部分给出了数据信息（Data information），即数据集中给出的数据。从@Data标记开始，后面的就是数据信息了。

Weka与许多数据分析软件一样，Weka所处理的数据集是一个二维的表格.

 Weka处理的数据表格中，一个横行称为一个实例（Instance）,竖行代表一个属性（Arrtibute），数据表格称为一个数据集，在weka看来，呈现了属性之间的一种关系（Relation）

        下面代码所示的二维表格存储在如下的ARFF文件中。这也就是Weka自带的“weather.arff”文件，在Weka安装目录的“data”子目录下可以找到。

@relation weather

 

@attribute outlook {sunny, overcast, rainy}

@attribute temperature numeric

@attribute humidity numeric

@attribute windy {TRUE, FALSE}

@attribute play {yes, no}

 

@data

sunny,85,85,FALSE,no

sunny,80,90,TRUE,no

overcast,83,86,FALSE,yes

rainy,70,96,FALSE,yes

rainy,68,80,FALSE,yes

rainy,65,70,TRUE,no

overcast,64,65,TRUE,yes

sunny,72,95,FALSE,no

sunny,69,70,FALSE,yes

rainy,75,80,FALSE,yes

sunny,75,70,TRUE,yes

overcast,72,90,TRUE,yes

overcast,81,75,FALSE,yes

rainy,71,91,TRUE,no

 Weka中的属性介绍：

       数据集中的每一个属性都有它对应的“@attribute”语句，来定义它的属性名称和数据类型。  

       Weka支持的有四种，分别是

        numeric-------------------------数值型

        nominal-specification-----------分类（nominal）型  

        string----------------------------字符串型

       date[]--------日期和时间型

数值属性：是整数或者实数，但Weka把它们都当作实数看待。

字符串属性：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。如：@ATTRIBUTE LC string

分类属性：由列出所有可能的类别名称并放在花括号中，如：

@attribute outlook {sunny, overcast, rainy} 。每个实例对应的“outlook”值必是这三者之一。

日期和时间属性：统一用“date”类型表示，它的格式是：@attribute date [] 其中是这个属性的名称，是一个字符 串，来规定该怎样解析和显示日期或时间的格式， 默认的字符串是ISO-8601所给的日期时间组合格式“yyyy-mm-dd hh:mm:ss”。 数据信息部分表达日期的字符串必须符合声明中规定的格式要求。

“Exploer”界面：

根据不同的功能把这个界面分成8个区域。

区域1的几个选项卡是用来切换不同的挖掘任务面板。这一节用到的只有“Preprocess”，其他面板的功能将在以后介绍。

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：

Preprocess(数据预处理)：选择和修改要处理的数据；

Classify(分类)：训练和测试关于分类或回归的学习方案；

Cluster(聚类)：从数据中学习聚类；

Associate(关联)：从数据中学习关联规则；

Select attributes(属性选择)：选择数据中最相关的属性；

Visualize(可视化)：查看数据的交互式二维图像。

区域2是一些常用按钮。包括打开数据，保存及编辑功能。我们在这里把"bank-data.csv"另存为"bank-data.arff"。

载入、编辑数据

标签栏下方是载入数据栏，功能如下：

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）； 
Open URL：请求一个存有数据的URL 地址； 
Open DB：从数据库中读取数据； 
Generate：从一些数据生成器中生成人造数据。

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。

区域4展示了数据集的一些基本情况。

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分类属性，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。

区域7是区域5中选中属性的直方图。若数据集的最后一个属性（我们说过这是分类或回归任务的默认目标变量）是分类变量（这里的“pep”正好是），直方图中的每个长方形就会按照该变量的比例分成不同颜色的段。要想换个分段的依据，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。

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。