数据挖掘算法学习（二）weka简介

weka官方下载地址：http://www.cs.waikato.ac.nz/ml/weka/downloading.html

weka简介：

Weka的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），是一款免费的，非商业化（与之对应的是SPSS公司商业数据挖掘产品--Clementine ）的，基于JAVA环境下开源的机器学习（machine learning）以及数据挖掘（data minining）软件。它和它的源代码可在其官方网站下载。WEKA作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。

文件格式：

weka的文件格式是.arff。arff文件内部结构很简单，主要是测试算法使用的轻量级的数据文件结构。arff格式文件主要由两个部分构成，头部定义和数据区。头部定义包含了关系名称（relation name）、一些属性（attributes）和对应的类型。

如：

@relation weather.symbolic

@attribute outlook {sunny, overcast, rainy}
@attribute temperature {hot, mild, cool}
@attribute humidity {high, normal}
@attribute windy {TRUE, FALSE}
@attribute play {yes, no}

@data
sunny,hot,high,FALSE,no
sunny,hot,high,TRUE,no
overcast,hot,high,FALSE,yes
rainy,mild,high,FALSE,yes
rainy,cool,normal,FALSE,yes
rainy,cool,normal,TRUE,no
overcast,cool,normal,TRUE,yes
sunny,mild,high,FALSE,no
sunny,cool,normal,FALSE,yes
rainy,mild,normal,FALSE,yes
sunny,mild,normal,TRUE,yes
overcast,mild,high,TRUE,yes
overcast,hot,normal,FALSE,yes
rainy,mild,high,TRUE,no

%是注释符号。数据区有@data开头。NUMERIC说明其为数字型，属性class的取值是限定的，只能是Iris-setosa,Iris-versicolor,Iris-virginica中的一个。数据类型还可以是string和data。

软件主界面：

载入数据之后的Explorer界面：

在explorer选项中，可以选择过滤器，分类算法，聚类算法等，是weka中最为常用的功能。

试验（Experiment）环境可以让用户创建，运行，修改和分析算法试验，这也许比单独的分析各个算法更加方便。

KnowledgeFlow 为 Weka 提供了一个＂数据流＂形式的界面．用户可以从一个工具栏中选择组件，把它们放置在面板上并按一定的顺序连接起来，这样组成一个＂知识流＂（knowledge °ow）来处理和分析数据。

Simple CLI提供了一个命令行输入的地方。输入规则如下：