WEKA

数据挖掘：实用机器学习技术P295页：

数据挖掘：实用机器学习技术P295页： 在weka软件中的实验者界面中，新建好实验项目后，添加相应的实验数据，然后添加对应需要的分类算法 ，需要使用多个算法时候重复操作添加add algorithm
·2015-11-07 15:48

数据挖掘：Weka代码学习

在Eclipse中配置Weka，在Eclipse中新建一个Java Project，然后在Eclipse的Resource目录中，在新new的Project上右键选择Build Path中选择add external
·2015-11-07 15:47

Weka入门教程

Source: http://forum.wekacn.org/viewtopic.php?
·2015-11-07 11:50

使用Weka进行数据挖掘

而weka，便是数据挖掘工具中的佼佼者。 Weka的全名是怀卡托智能分析环境（Waikato Envi
·2015-11-05 08:40

weka数据挖掘拾遗（一）---- 生成Arff格式文件

它是weka数据挖掘开源程序使用的一种文件模式。由于weka是个很出色的数据挖掘开源项目，所以使用的比较广，这也无形中推广了它的数据存储格式。 　　
·2015-11-03 21:16

WEKA rebuild

weka源码编译步骤 1           安装JDK环境和Java开发环境，我用的是MyEclipse
·2015-11-02 19:46

Weka入门教程(2)

Source： http://forum.wekacn.org/viewtopic.php?
·2015-11-02 19:45

weka数据挖掘拾遗（三）----再谈如果何生成arff

其实如果使用weka自带的api，生成arff文件将变成一件很简单的事儿。 首先，可以先把特征文件生成csv格式的。csv格式就是每列数据都用逗号分隔的一种格式。
·2015-11-02 14:00

weka数据挖掘拾遗（二）---- 特征选择（IG、chi-square)

二、weka中的使用方法 　　1、特征筛选代码 1 package com.lvxi
·2015-11-02 14:58

【weka应用技术与实践】过滤器

weka中的过滤器主要用于数据预处理阶段对数据集的各种操作。
·2015-11-01 11:44

数据分析：Weka，Matlab，R，SPSS，SAS等分析软件的入门

1 功能角度 weka是机器学习方面的工具（开源）。spss是数学工具（商业工具）。 具体的说，weka的主要功能是模式分类，或者模式识别或者回归。
·2015-10-31 18:25

Java调用C/C++编写的第三方dll动态链接库（非native API）--- JNI

  最近在用weka做一个数据挖掘相关的项目，不得不说，weka还是一个不错的开放源代码库，提供了很多最常用的分类和聚类算法。
·2015-10-31 11:38

WEKA

http://blog.csdn.net/senaku/article/details/2225943 http://blog.csdn.net/an74520/article/details/9838789 http://blog.csdn.net/u013339851/article/details/23127431 http://blog.csdn.net/an74520/articl
·2015-10-31 09:48

weka的一些笔记

instances.attribute(0)得到第一列的属性名，也就是得到arff的属性的第一行 instances.attribute(0).value(0)得到一个列属性的第一个可选的值 instances.attribute(0).numValues()得到一共有几个可选的值 instances.attribute(2).index()得到当前属性做所在的索引也是从零开始的 inst
·2015-10-31 09:12

【Machine Learning】wekaの特征选择简介

看过这篇博客的都应该明白，特征选择代码实现应该包括3个部分： 搜索算法； 评估函数； 数据； 因此，代码的一般形式为： AttributeSelection attsel = new AttributeSelection(); // create and initiate a new AttributeSelection instanceRanker search = ne
·2015-10-30 14:12

初试weka数据挖掘

        偶然间在网上看到了一篇关于weka好的博文，就记录了下来……      
·2015-10-30 12:39

Kmeans文本聚类系列之如何调用Preprocess类

注意： 本代码中没有实现“C++工程调用weka”的功能，如果您要找这类的资料，那么您来错地方了。
·2015-10-30 12:50

Kmeans文本聚类：获取weka计算的聚类中心，完成文本聚类

  作者：finallyliuyu 转载使用等请注明出处   上一讲：Kmeans文本聚类之VSM模型 中，给出了如何建立文档向量模型，以及写weka软件所要求的数据格式arff
·2015-10-30 12:50

Kmeans 聚类之建立文档向量模型(VSM)

作者：finallyliuyu 转载使用等请注明出处 在上一篇博文《Kmeans聚类之特征词选择DF》中我们已经给出了特征词选择的代码，这里我们将给出建立文档向量模型的代码，以及将文档向量模型写成Weka
·2015-10-30 12:49

Kmeans聚类之特征词选择（DF法）

写个菜鸟的入门级读物：如何利用weka进行文本聚类（一）（老鸟勿进，因为你会失望的。。。）
·2015-10-30 12:47

[Weka]Weka如何连接数据库

2 修改 weka\experiment下的DatabaseUtils.pr
·2015-10-30 11:38

java 代码调用kmeans进行聚类

从wekaUI调用kmeans算法后，最后生成的的结果文件中，聚类中心向量表达的不够清晰。参照网上的做法，采用java code中调用weka中的kmeans算法。
·2015-10-28 08:50

zz 标 题: 求weka JVM outofMemory问题的解决方案【已解决】

发信人: finallyliuyu (领头驴), 信区: NLP 标  题: 求weka JVM outofMemory问题的解决方案 发信站: 水木社区 (Sun Feb 20 10:36
·2015-10-28 08:49

Kmeans聚类之建立词袋子模型

IDE:VS2008 language: C++ library:boost（安装boost库，先要安装python安装方法见《boost库安装方法》） tools:weka C++程序完成的功能
·2015-10-28 08:46

C++备忘 STL释放内存 ,weka使用备忘

http://topic.csdn.net/u/20100624/11/81e22a62-af5f-4990-9e1f-c0a0c2ba3a15.html  weka资料http://forum.wekacn.org
·2015-10-28 08:45

我的第一个C++程序，还像个C++c程序的样子吧

（算是词袋子模型吧），然后对每篇文章形成形成VSM模型，写成weka的数据格式，然后调用weka对文章聚类。
·2015-10-28 08:45

对Weka中DBSCAN算法的分析以及在C#中的实现

我先对Weka中实现的DBSCAN算法进行一个介绍和分析，然后再分析自己用C#实现的DBSCAN方法。但在这之前要解释几个概念，如果之前没有了解过这个算法的话，最好是先熟悉
·2015-10-28 08:16

weka使用笔记1-cluster内方法的使用

weka提供了11种聚类算法，常用的有kmeans 和EM，weka的simpleKmeans是最简单的聚类方法，距离是计算欧几里德距离，但是新版本的weka是可以置入自己的计算距离的公式的。
·2015-10-27 15:18

weka使用笔记1-FPGrowth注意事项和参数说明

weka是一个很好的数据挖掘实验的工具，可以进行标准的数据挖掘的各种实验，首先来说一下关联规则的挖掘。
·2015-10-27 15:17

weka使用笔记3---classfily API调用

分类器在数据挖掘中的作用不言而喻，weka中的分类器有很多种类型，但是weka在输出结果中，只输出了一个分类的预测的类型，没有输出分类的得分，有一些不给力。
·2015-10-23 08:11

weka平台下手动造.arff的数据

若数据为 sunny,hot,high,FALSE,nosunny,hot,high,TRUE,noovercast,hot,high,FALSE,yesrainy,mild,high,FALSE,yesrainy,cool,normal,FALSE,yesrainy,cool,normal,TRUE,noovercast,cool,normal,TRUE,yessunny,mild,high,
·2015-10-23 08:41

近期工作安排

（调用weka的分类器不太方便，还是自己直接写。毕竟这是做工程，而不是做“实验”） 目前已经完成了KNN分类器 2。考虑用bagging或者boosting的方法加强基本分类器的性能。
·2015-10-21 12:50

Python自然语言处理学习笔记(58)：深入阅读

further materials on this chapter and on how to install external machine learning packages, such as Weka
·2015-10-21 11:05

Hello, Weka

转自http://dreamhead.blogbus.com/logs/16813833.html Weka，是一个用Java编写的数据挖掘软件。
·2015-10-21 11:47

Weka开发［14］－AdaBoost源代码介绍

这一次讲的是Ensemble的东西，一位读者希望我讲一下Adaboost的内容，这种Ensemble看起来的确比较吓人，推荐一篇论文：EnsembleBasedSystemsinDecisionMaking.在这里所有理论的东西我就不介绍了。与以往一样，先看buildClassifier函数（我在函数中将不重要的代码全部去掉）：super.buildClassifier(data);if((!m_
pior·2015-10-20 20:00

Weka开发［13］－Ensemble

  这一篇介绍一下如何使用Ensemble的类，不过提醒一下，不要什么都来个Ensemble，对这种毫无想象力可言的做法，我真是有点无语。      我已经写了这么多篇了，我也有点累了，这篇也是有人发E-mail让我写的。大家就先自己看吧，至于是不是对的，我以后有机会了我看了，再告诉大家了。package instanceTest;   import java.io.FileReader;   i
pior·2015-10-20 20:00

Weka开发［11］—J48源代码介绍

这次介绍一下J48的源码，分析J48的源码似乎真还是有用的，同学改造J48写过VFDT，我自己用J48进行特征选择（当然很失败）。J48的buildClassfier函数：publicvoidbuildClassifier(Instancesinstances)throwsException{   ModelSelectionmodSelection;    if(m_binarySplits) 
pior·2015-10-20 20:00

Weka开发［10］—NBTree源码介绍

我不多的读者之一发E-mail给我，说他没有看出NBTree和J48的区别是什么，当时我也没什么空，所以拖到今天才草草看了看。大概讲一下。      下面是J48中的buildClassifier代码：public void buildClassifier(Instances instances) throws Exception {       ModelSelection modSelecti
pior·2015-10-20 20:00

weka：SimpleKMeans实现Class to clusters evaluation验证

今天利用weka实现聚类的时候遇到如何使用java实现Classtoclustersevaluation的问题，下面是核心代码。
薄荷微光少年梦·2015-10-18 20:38

Weka开发［9］—KMeans源码介绍

以前介绍的都是分类的内容，这一次介绍聚类，以最简单的SimpleKMeans源码为例。      分类中训练一个分类器是用buildClassifier()，在聚类中学习一个Clusterer是用buildCluster()。分类中分类一个样本是用classifyInstance，而在聚类中是用clusterInstance。那我怎么知道这些的呢？（或者说：你怎么知道我是不是在骗你呢？）以ID3为
pior·2015-10-17 22:00

Weka开发［８］－ID3源码介绍

这次介绍一下Id3源码，这次用Weka的源码介绍一下。
pior·2015-10-17 22:00

Weka开发［7］－LibSVM

我把这一篇放到Weka开发里讲，主要讲它怎么和Weka结合，Weka中并不是没有SVM算法，Weka中有SMO算法的实现。 WekaandLibSVMare twoeffici
pior·2015-10-17 22:00

Weka开发［6］－参数设置

这一次介绍的非常简单，会用传命令行参数的人就不用浪费时间看这一篇了，这一篇介绍weka中一些类参数传递的问题。
pior·2015-10-17 22:00

Weka开发［5］－半监督算法

现在介绍的暂时不是Weka的一部分，但开发者是waikato大学（也就是开发Weka的那个大学）。
pior·2015-10-17 22:00

Weka开发［4］－特征选择

      特征选择，我对这一部分也不熟，大概讲一下，用AttributeSelection进行特征选择，它需要设置3个方面，第一：对属性评价的类（自己到Weka软件里看一下，英文AttributeEvaluator
pior·2015-10-17 22:00

Weka开发［3］－Evaluation类

     上一次最后的结果就是一个分类的值，可能让大家大失所望，这一次会给大家一个比较完美的答案，这就是Evaluation类，这次只讲一下最简单的用法，首先初始化一个Evaluation对象，Evaluation类没有无参的构造函数，一般用Instances对象作为构造函数的参数。      如果没有分开训练集和测试集，可以使用CrossValidation方法，Evaluation中cross
pior·2015-10-17 22:00

Weka开发［2］－分类器类

      这次介绍如何利用weka里的类对数据集进行分类，要对数据集进行分类，第一步要指定数据集中哪一列做为类别，如果这一步忘记了（事实上经常会忘记）会出现“Classindexisnegative(
pior·2015-10-17 22:00

Weka 开发［1］－Instances类

      言归正传，开始介绍Weka，先google一下，把Weka软件下载下来，在Weka的目录中有一个weka.jar的包。      
pior·2015-10-17 22:00

Weka 中的算法名说明

1)数据输入和输出WOW()：查看Weka函数的参数。Weka_control()：设置Weka函数的参数。
pior·2015-10-17 22:00

Weka-读懂TP Rate ,FP Rate, Precision, Recall, F-Measure, ROC Area,

TruePositive（真正,TP）被模型预测为正的正样本；TrueNegative（真负,TN）被模型预测为负的负样本；FalsePositive（假正,FP）被模型预测为正的负样本；FalseNegative（假负,FN）被模型预测为负的正样本；TruePositiveRate（真正率,TPR）或灵敏度（sensitivity）TPR=TP/（TP+FN）正样本预测结果数/正样本实际数Tru
薄荷微光少年梦·2015-09-21 17:57
上一页 8 9 10 11 12 13 14 15 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他