Weka新手文章（一）

数据仓库，数据分析，不涉及商业方面的高层决策之用，故本篇文章只适合初学数据仓库，为了完成老师作业，且想用weka做简单数据挖掘之用的童鞋。

 

weka版本是3.6.2，数据库库是SQL Server 2005，没办法，老师提供的几万条数据保存在excel表中，如果从excel转为csv格式，再从weka中导入该csv文件，涉及到格式的转换，很是麻烦～况且几万条数据，不可能一条一条去检查它们的格式，故思路是，先在sql server中建立一个数据库（db_ppz），把csv中的几万条数据导入到数据库db_ppz中，再从weka中连接sql server读取数据，速度还可以啦～～

 

weka下载地址：一个是自带了jdk，一个没带jdk，文件体积少点。。。

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

 

 

是的，weka连接数据库也是有点麻烦的，但网上教程还是不少，下面链接整理得很好（但偶有简便改进方法～～）

http://blog.csdn.net/senaku/archive/2008/03/28/2225943.aspx

 

个人归纳连接思路有几点：

 

1、下载微软的驱动jdbc，最新版的已经是sqljdbc_3.0，google一下可以快速找到微软网站下载。下载到的是zip包包，解压，得到sqljdbc_3.0.jar文件，这时不用像上面网站那样××又××的（他是假设电脑中还没配置好jdk的）。思路是把sqljdbc_3.0.jar放到jdk中的jre/lib/中，比如“D:/Program Files/Java/jre1.6.0_07/lib/ext"。因为jdk配置时已经设置好环境变量，把jar包包放这里，weka通过访问jdk路径，能找到这个驱动文件的。

 

2、上面的步骤，可以代替链接网站中的前5小步骤，可以开始配置DatabaseUtils.props文件。进入weka所在的文件夹中，比如我的是”D:/Program Files/Weka-3-6“，找到weka.jar这个文件，先对它做个异地备份。然后用rar软件打开它，进入里面weka.jar/weka/experiment 位置，找到DatabaseUtils.props，双击打开，然后开始编辑它的内容：

对于sql server，可以参考下面的配置内容，而只需更改一个地方，即你自己的数据库名称：

“jdbcURL=jdbc:sqlserver://localhost;databaseName=db_ppz ”

 

# Database settings for Microsoft SQL Server 2005 Express Edition # # url: http://www.microsoft.com/ # jdbc: http://msdn2.microsoft.com/en-us/data/aa937724.aspx # author: Fracpete (fracpete at waikato dot ac dot nz) # version: $Revision: 1.2 $ # JDBC driver (comma-separated list) jdbcDriver=com.microsoft.sqlserver.jdbc.SQLServerDriver # database URL jdbcURL=jdbc:sqlserver://localhost;databaseName=db_ppz # specific data types string, getString() = 0; --> nominal boolean, getBoolean() = 1; --> nominal double, getDouble() = 2; --> numeric byte, getByte() = 3; --> numeric short, getByte()= 4; --> numeric int, getInteger() = 5; --> numeric long, getLong() = 6; --> numeric gloat, getFloat() = 7; --> numeric date, getDate() = 8; --> date text, getString() = 9; --> string bit=1 tinyint=3 smallint=4 int=5 bigint=6 smallmoney=2 money=2 numeric=2 decimal=2 float=2 real=2 smalldatetime=8 datetime=8 timestamp=8 char=0 text=0 varchar=0 nchar=0 ntext=0 nvarchar=0 binary=0 varbinary=0 image=0 uniqueidentifier=9 rowversion=9 # other options CREATE_DOUBLE=DOUBLE PRECISION CREATE_STRING=VARCHAR(8000) CREATE_INT=INT checkUpperCaseNames=false checkLowerCaseNames=false checkForTable=true 

 

 

修改好后，保存关闭，然后在rar中更新它即可。方便之处：不用对weka.jar进行解包，配置好DatabaseUtils.props文件后不需要再用jar命令进行压缩（我最开始也是解包，修改，再压缩，但运行weka软件时会提示说找不到main函数，且网上也有一些人碰到相同问题）。

 

3、配置好后，运行weka，选择open db，弹出窗口中可以看到database url，我的是”jdbc:sqlserver://localhost;databaseName=db_ppz“，再选择user，用sa帐号登录（我是另外建立帐号登录数据库），然后选择user旁边的按钮Connect，在最下面的info中，显示结果=true，表示连接成功。然后根据数据库中的表，执行sql语句，select出数据，按ok确认返回weka的explorer界面。

（其实如果为了测试或熟悉weka，可以打开它自带的测试数据，数据位于”D:/Program Files/Weka-3-6/data“。或者在open db旁边的DataGenerator也是可以快速生成测试数据，我选择的是weka.datagenerators.classifiers.classification.Agrawal产生器)

 

上面基本配置好weka，读取到数据。后文将更新个人筛选数据，使用三个数据算法（分类、聚类、关联分析）的小小教程吧，因为我也从小白鼠过来的～～

 

 

weka推荐看的东东吧～～不看文章是不行的，手上也需要一个翻译软件，比如有道词典，啊啊？？ Orz……

 

Weka入门教程:http://forum.wekacn.org/viewtopic.php?f=2&t=9

weka中文论坛：http://forum.wekacn.org/viewforum.php?f=2

这个文档，介绍了几个算法吧：http://wenku.baidu.com/view/a0cfde06eff9aef8941e06fd.html

还有这个，算扫盲：http://wenku.baidu.com/view/49716a0203d8ce2f006623fd.html

google一下：weka 中文教程.pdf，对weka这个软件的界面介绍？？