WEKA

《数据挖掘基础》实验：Weka平台实现分类算法

实验目的进一步理解分类算法（决策树、贝叶斯），利用weka实现数据集的分类处理，学会调整模型参数，以图或树的形式给出挖掘结果，并解释规则的含义。
lazyn·2022-03-03 07:59

The Path of Practice P35

ItisgenerallysaidthatweKagyusarethepracticelineage.Therefore,itiscertainlyimportanttopractice.TheAbhidharmakoshasays
梵心正应·2022-02-21 05:19

用 WEKA 进行数据挖掘 （1）简介和回归

简介什么是数据挖掘？您会不时地问自己这个问题，因为这个主题越来越得到技术界的关注。您可能听说过像Google和Yahoo!这样的公司都在生成有关其所有用户的数十亿的数据点，您不禁疑惑，“它们要所有这些信息干什么？”您可能还会惊奇地发现Walmart是最为先进的进行数据挖掘并将结果应用于业务的公司之一。现在世界上几乎所有的公司都在使用数据挖掘，并且目前尚未使用数据挖掘的公司在不久的将来就会发现自己处
hiekay·2022-02-17 19:19

利用weka对中文文本聚类

2.中文分词由于weka没有自带的中文分词包，因此我们分词后再导
因为碰见了卖西瓜的·2022-02-10 05:15

2021-12-17

基于分层k倍交叉证实构建决策森林（感觉不像决策森林，有些装代法的味道）library(RWeka)library(partykit)library(caret)#class_col是储存类别信息的列号create_forest
琅琊笑笑风·2021-12-25 17:35

用 WEKA 进行数据挖掘，第 3 部分 最近邻和服务器端库

简介在这个“用WEKA进行数据挖掘”系列之前的两篇文章中，我介绍了数据挖掘的概念。
hiekay·2021-06-25 16:44

Weka的使用

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（WaikatoEnvironme
hiekay·2021-06-25 04:12

Weka-001（资料）

【资料01】用WEKA进行数据挖掘（1）简介和回归我们将一种免费的开源软件WaikatoEnvironmentforKnowledgeAnalysis(WEKA)介绍给您，您可以使用该软件来挖掘数据并将您对您用户
目光的方向·2021-06-09 19:29

Java程序员在哪？GitHub上5个最适合机器学习的开源工具！

Weka毫无疑问，Weka是我们最好的Java机器学习库的首选。Weka3是一个完全基于Ja
两颗花椰菜·2021-05-19 16:24

药物基因组学_个体化实验分析_实验报告

掌握）构建分类器4、（学会）利用构建的分类器实现个体化耐药预测二、实验流程（1）搜集数据【数据使用的是平时研究的癌型】（2）根据响应信息将样本划分为耐药或者敏感两类（3）构建分类器【以下使用的分类器是weka
唯有学习才能拯救世人·2021-01-02 15:37

Weka 算法大全

关联规则挖掘（一）Apriori（二）FilteredAssociator（三）FPGrowth（四）GeneralizedSequentislPatterns（五）PredictiveApriori（六）TertiusCluster（一）CLOPE（二）Cobweb（三）DBSCAN（四）EM（五）FarthestFrist（六）FilteredClusterer（七）HierarchicalC
mark_yueye·2020-09-17 03:18

用WEKA进行数据挖掘，第2部分：分类和群集

简介在用WEKA进行数据挖掘，第1部分：简介和回归，我介绍了数据挖掘的概念以及免费的开源软件WaikatoEnvironmentforKnowledgeAnalysis（WEKA），利用它可以挖掘数据来获得趋势和模式
Handsome_Engineer·2020-09-16 20:22

在你的Java代码中使用Weka

1、引用利用WEKA编写数据挖掘算法2、引用Weka学习一（分类器算法）3、引用Weka学习二（聚类算法）4、引用Weka学习三（ensemble算法）5、引用Weka学习四（属性选择）6、引用Weka
Handsome_Engineer·2020-09-16 20:50

Weka连接数据库出现No suitable driver found for jdbc:mysql://localhost/dbname

今天用weka连接数据库的时候，总是提示Nosuitabledriverfoundforjdbc:mysql://localhost/dbname。
李格非·2020-09-16 15:07

Weka中用于组合多个模型的的装袋、提升和堆栈

装袋、提升和堆栈都是用于组合多个模型的方法。1装袋bagging：相同的分类器，各个分类器是独立的；使用同一个算法对样本多次训练，建立多个独立的分类器；最终的输出为各个分类器的投票（用于分类）或取平均值（用于数值预测）2提升adaboost：相同的分类器，各个分类器不是独立的；使用同一个算法对样本迭代训练，后建立的分类器关注于先前建立的分类器不能更好处理的部分数据；最终的输出为各个分类器的加权投票
allenshi_szl·2020-09-15 10:20

QT中QString类型和char数组相互转换

#includeintmain(){charpath[50];QStringstr="D:\\搜狗高速下载\\weka-3-8-3jre-x64.exe";QByteArrayba=str.toLocal8Bit
逸然逸生·2020-09-15 08:14

Weka高级应用--Java API

1.引入本文是我学习《数据挖掘与机器学习–WEKA应用技术与实践》的笔记。
狮子座明仔·2020-09-15 05:50

Weka 分类 注意点

注意点：1、格式最好是weka默认的arff格式。不过weka也可以打开csv格式的文件（csv格式可以用空格、tab或者逗号隔开都行，但是一定要统一才可以。）
leexurui·2020-09-14 14:42

【QT笔记】char[]与QString相互转换支持中文

intmain(){charpath[50];QStringstr="D:\\搜狗高速下载\\weka-3-8-3jre-x64.exe";QByteArrayba=str.toLocal8Bit();
星河暗渡·2020-09-13 21:19

【QT笔记】QString与char数组转换

#includeintmain(){charpath[50];QStringstr="D:\\搜狗高速下载\\weka-3-8-3jre-x64.exe";QByteArrayba=str.toLocal8Bit
星河暗渡·2020-09-13 21:19

DBSCAN算法java实现，基于密度的聚类

在实现这个算法时我发现和weka跑出来的结果完全不一样，后来发现，weka原来默认对数据进行了归一化，我在代码中也提供了这个可选的操作，不过还是建议归一化，效果更好。
outsider0007·2020-09-13 16:13

Weka学习 -- StringToWordVector 源代码学习（1）

代码整个运行流程參数设置input数据，设置数据格式batchFinished()，处理数据（Tokenzier，Stemming，Stopwords）determineDictionary();统计计算（TF，IDF）归一化output一些变量和方法的作用m_Dictionary,m_DocsCounts变量与m_OutputCounts变量意义publicTreeMapm_Dictionary
weixin_33796205·2020-09-13 06:18

WEKA使用教程(经典教程转载)

WEKA使用教程目录1.简介2.数据格式3.数据准备4.关联规则（购物篮分析）5.分类与回归6.聚类分析1.简介WEKA的全名是怀卡托智能分析环境（WaikatoEnvironmentforKnowledgeAnalysis
Yuer-·2020-09-13 06:37

Weka学习 -- StringToWordVector 源码学习（1）

代码整个执行流程参数设置input数据，设置数据格式batchFinished()，处理数据（Tokenzier，Stemming，Stopwords）determineDictionary();统计计算（TF，IDF）归一化output一些变量和方法的作用m_Dictionary,m_DocsCounts变量与m_OutputCounts变量意义publicTreeMapm_Dictionary
AceMa·2020-09-13 05:49

weka的StringToWordVector类解析

weka的StringToWordVector类可以将给定的文档格式的内容转换为vms模型的内容，而后者是文本分类必须的模块。
hj8380·2020-09-13 05:23

weka StringToWordVector是如何选择词典的

最近在做基于内容的推荐，试了几种方法：向量空间模型（用lucene实现）、贝叶斯分类、聚类（用weka的SimpleKMeans）。
fxnfk·2020-09-13 05:49

weka文本聚类（2）--分词和停用词处理

weka本身自带英文分词，没有自带中文分词，因此需要自己进行中文分词。
码弟·2020-09-13 05:32

Weka学习之Filter(2)-StringToWordVector

为了更具体地展示Filter的用法和原理，我们分析一个名为StringToWordVector的Filter。它是我们在文本挖掘中用得比较普遍的一个类。作用是把字符串属性转换成一个个词属性，属性的值可以在参数中指定，比如0-1变量（代表这个词是否在该实例中出现），词频变量，log（1+词频）或者TF-IDF值。下面是StringToWordVector的input方法源码：123456789101
helen_PhDing·2020-09-13 04:36

Weka-无监督属性过滤器-Interquartile[6-3]

我们继续第6篇的无监督属性过滤器的函数介绍。Interquartile，用以指示实例的值是否可以视为离群值或极端值。（具体演算，我们就不实验了）如果用户指定的极端值系数和四分位距的乘积值高于第75个四分位数之间的差，或低于第25个四分位数，该值就被标识为极端值。具体看代码，我们在代码中注释了各参数的含义：importjava.io.BufferedReader;importjava.io.File
隆猫·2020-09-12 14:12

1.4 weka过滤器（删除属性和样例）的使用

删除属性方法1导入数据“weather.nominal.arff”，点击“choose”,选择无监督中的属性。配置过滤器：比如要删除3：humidity属性，可以点击“Remove”,出现配置面板点击“apply”,此时户型humidity就被删除了。通过“undo”可以撤销之前的操作，此时删除humidity属性的操作就会被撤销了。删除属性方法2选中要删除的属性，然后点击“remove”即可删除
yanyanwenmeng·2020-09-12 14:28

Weka中数据挖掘与机器学习系列之Weka系统安装（四）

能来看我这篇博客的朋友，想必大家都知道，Weka采用Java编写的，因此，具有Java“一次编译，到处运行”的特性。
weixin_34292959·2020-09-12 14:28

Weka中数据挖掘与机器学习系列之Exploer界面（七）

Weka的Explorer（探索者）界面，是Weka的主要图形化用户界面，其全部功能都可通过菜单选择或表单填写进行访问。
weixin_33800463·2020-09-12 14:17

文件格式配置文件weka频繁模式挖掘使用方法

在本篇文章中,我们主要介绍文件格式配置文件的内容,自我感觉有个不错的建议和大家分享下文件格式：@relationtestData@attribute张三{1}@attribute李四{1}@attribute王五{1}@attribute马六{1}@attribute张磊{1}@data?,1,1,?,1?,?,?,?,??,?,?,?,1?,1,?,?,11,?,1,?,?每日一道理书籍好比一架
weixin_33859504·2020-09-12 14:42

weka数据预处理

Weka数据预处理(一)对于数据挖掘而言，我们往往仅关注实质性的挖掘算法，如分类、聚类、关联规则等，而忽视待挖掘数据的质量，但是高质量的数据才能产生高质量的挖掘结果，否则只有"Garbageingarbageout
weixin_33759269·2020-09-12 14:38

weka学习（三）缺失值处理

2019独角兽企业重金招聘Python工程师标准>>>/***@authorhao.wei*/@ServicepublicclassMissingHandleBizImplimplementsMissingHandleBiz{privatestaticfinalLoggerlogger=LoggerFactory.getLogger(MissingHandleBizImpl.class);    
weixin_33708432·2020-09-12 14:37

WEKA-过滤器算法学习

抱怨不会让你成功，努力才会让你出色概述Weka中实现的过滤算法。所有的过滤器都是输入数据集进行某种程度的转换，转换为适合数据挖掘的形式。
weixin_30455661·2020-09-12 14:23

weka中文论坛

weka入门教程：http://forum.wekacn.org/viewtopic.php?
weixin_30410999·2020-09-12 14:22

weka数据挖掘之预处理

weka数据挖掘之预处理数据挖掘是在大量的、潜在有用的数据中挖掘出有用模式的过程，因此，源数据的质量直接影响到挖掘的效果，高质量的数据是有效挖掘的前提。但是，肯定是，不是所有的数据都是那么理想。
MYZ_my_love·2020-09-12 14:55

weka中对数值型数据离散化

连续数值离散化大致可分为：1）有监督（supervised）和2）无监督（unsupervised）两类。有监督方法可通过设定类别相关目标函数如：分类错误率，熵增益等指标结合二叉树算法对特征空间进行划分。这类方法的核心思想就是是每类样本尽量分布在特征空间中的不同子划分中。无监督方法由于没有考虑类别信息，因此其核心思想是使得每个子划分空间的样本分布尽量均匀，具体可以采用等间隔、等密度或者k-mean
我是一只小兔纸咿呀咿呀呦·2020-09-12 14:33

数据挖掘开源软件：WEKA基础操作

数据挖掘开源软件：WEKA基础教程本文档部分来自于网络，随着自己的深入学习，讲不断的修订和完善。
流水无Qing·2020-09-12 14:28

Weka中数据预处理的技术方法

目录1聚集2抽样3维度归约4属性选择5属性创建6离散化和二元化7变量转换1聚集聚集是将两个或者多个对象合并成单个对象。一般来说，定量数据都是通过求和或求平均值的方式进行聚集，定性数据通常通过汇总进行聚集。2抽样如果处理全部数据的开销太大，数据预处理可以使用抽样，只选择数据对象的子集进行分析。抽样方法有很多种，例如简单随机抽样和分层抽样。3维度归约维度是指数据集中属性的数目。维度归约是指创建新属性，
郭腾有一颗温暖的心·2020-09-12 14:41

weka数据集预处理

1.利用有监督的离散算法对数据集的属性进行离散，并保存离散后的数据集；importjava.io.File;importweka.filters.SupervisedFilter;importjava.io.IOException
YornChu·2020-09-12 13:56

Weka之分类器(classifier)的使用

1、打开Explorer界面，选择数据集（这里以glass.arff为例）点击Classify面板，点击左上角的choose。2、打开Explorer界面，选择数据集（这里以glass.arff为例）点击Classify面板，点击左上角的choose，将显示贝叶斯分类器、函数分类器、懒惰分类器、元分类器等分类器。这里选择决策树中经典的J48分类器为例。3、点击Start，开始分类。4、得到Clas
HarperFive·2020-09-12 13:41

Weka之重复训练与测试数据

训练数据和测试数据是从相同的总体中取出独立样本，结果自然存在误差。但我们可以通过设定随机种子和重复实验来估算误差。还可以通过实验计算平均值和方差。1、打开Explorer界面，选择数据集segment-challenge.arff。2、打开classify面板，选择J48分类器。3、将Percentagesplit按比划分设为90%，即数据集的90%为训练集，10%为训练集。点击“start”后，
HarperFive·2020-09-12 13:41

Weka之训练与测试数据

什么是训练数据和测试数据？训练数据经过机器学习算法（MLAlgorithm）可以得到分类器，再将测试数据放入分类器，则可得到评估结果。训练集和测试集应来源于同一个数据集，但为两个不相交的集合。比如：将一个数据集的1/3作为测试集，2/3作为训练集。接下来通过一个简单的实验进一步理解训练与测试数据：1、打开Explorer界面，选择数据集segment-challenge.arff。2、打开clas
HarperFive·2020-09-12 13:10

Weka的下载与安装

一、安装Weka1、进入官网https://www.cs.waikato.ac.nz/ml/weka/。2、在Gettingstarted中点击Download，再选择合适的版本下载即可。
HarperFive·2020-09-12 13:10

Weka之预处理（preprocess）的使用

1、打开Weka。2、打开Explorer。主要面板介绍：3、点击左上方Openfile，在数据集中选择weather.nominal.arff文件，再点击Edit。
HarperFive·2020-09-12 13:10

Weka使用

下载地址https://sourceforge.net/projects/weka/Weka是怀卡托智能分析环境(WaikatoEnvironmentforKnowledgeAnalysis)的英文字首缩写
柳暗花明又一村ヾ(◍°∇°◍)ﾉﾞ·2020-09-12 13:50

使用Weka进行数据挖掘（Weka教程六）Weka采样Filter/Resample/SMOTE

数据预处理中，有一个原理很简单但是非常重要的部分：采样。良好的采样可以让数据集变得平衡，会大大的提高预测和分类的效果。采样是很复杂的一个领域，背后涉及到数据的分布/数据的性质等很多内容。常见的采样有：SimpleRandomSampling(简单随机采样)，OfflineSampling(离线等可能K采样)，OnlineSampling(在线等可能K采样)，Ratio-basedSampling(
yang1young·2020-09-12 13:23

用 WEKA 进行数据挖掘 (From IBM)

第1部分:简介和回归点击打开链接第2部分:分类和群集点击打开链接第3部分:最近邻和服务器端库点击打开链接
partynew·2020-09-12 13:45
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他