weka简介

首先简单介绍一下weka， Weka是基于java，用于数据挖掘和知识分析一个平台。来自世界各地的java爱好者们都可以把自己的算法放在这个平台上，然后从海量数据中发掘其背后隐藏的种种关系；开发并投入使用两年左右的时间，但是已经是很多人受益，特别是摆脱了繁重的海量数据。

  1。安装

 我安装的是weka-3-4-10jre，虽然有3。5的版本，但是我们一般校园使用已经足够。安装方法很简单，并且继承了java 运行环境，不用担心任何配置。版本据说提供了function接口，并且支持反编译。用户可用性以及扩展性很强。

  2。操作环境

  安装完成，运行weka图标（那只火鸟，也是weka名称的由来），出现一个小型的GUI,提供了四种操作环境：CLI,Explorer,Experimenter,knowledgeflow。

  其实四种操作基本原理都大同小异，只是提供的environment不一样。看自己平时熟悉使用什么，比如喜欢直接用代码的朋友一定热衷于：CLI，喜欢图标的倾情于:Knowledgeflow，通常功能形控制的:explorer,experimenter感觉和explorer类似，致使支持格式不一样。

 

  3.一般我们重点使用explorer：

 

  打开后，我们可以看到顶层的六个标签，分别是：Preprocess、Classify、Cluster、Associate、 Select attributes、Visualize。在preprocess里面有个open控件，是用来打开sourcefile的，weka支持的文档格式为.arff，其实是一个文本数据集。也支持URL或者DB打开方式，并且支持数据转换。

 

打开数据文件后，可以使用Filter进行一下过滤，相当于“预处理的预处理”。Filter提供了许多算法来过滤数据，比如 filters/unsupervised/instance/normalize应该是一个标准化的算法。当然，也可以编写你自己的算法!
  这时窗体上已经给出这个数据集的一些基本特征了，比如有多少属性，各属性的一些简单统计量，右下方还给出一些可视化效果比如柱状图。通过这些可以初步了解这个数据集了。

  接下来的两个标签页是classify(分类)和cluster(聚类)，接触数据挖掘的人对它们一定不会陌生。同样Weka有许多分类和聚类算法可供选择，在这里面称为clasifier和clusterer。不过Weka提供的classify功能似乎还不够灵活，只能定长度和定频率地分类。但这个关系不大，现在很多数据处理软件都可以做到这个，比如excel。Cluster功能强大，提供了许多巧妙的聚类算法，选定一个算法，给出你所需要生成的聚类数目，就可以自动完成。

 4。 Associate！

 

   这是一个用于发掘Associate Rules(关联规则)的模块。

  将前面导入的数据使用Associator进行发掘，就可以发现其中无数隐藏的关系。Weka-3 -4提供了Apriori、PredictiveApriori、Tertius三种关联规则发掘算法，不过我感觉这已经够用了。选定一个算法，进行一些必要的设置，包括支持度上界、下界，每次运算的支持度递减值，等等。另外一个重要的参数：所需要生成的关联规则个数。太不可思议了，以前我们能从海量数据中发现一个关联规则就已经沾沾自喜，现在Weka居然问你想生成多少关联规则!
  参数设置完成，点Start，就可以去喝茶了。不一会，10条关联规则已经生成，可以提交给老板了。当然，你还可以分析一下哪些规则比较有用，哪一条有潜在收益，这就需要business sense了。

  另外两个标签页还没怎么看。Select attributes大概是针对单属性的分析？Visualize则提供了许多可视化效果，需要拿出去演示时很方便。也有可能是我用错了。

  Weka实在是一个伟大的工具。基于java，却没有运行其它java程序那种慢吞吞的感觉。也不排除我刚加了一个内存的关系。 有了Weka，Data Mining也可以轻轻松松了!