weka

基于weka的数据分类分析实验报告

姓名：黄学波 学号：3130407055

一、实验目的

使用数据挖掘中的分类算法，对数据集进行分类训练并测试。应用不同的分类算法，比较他们之间的不同。与此同时了解Weka平台的基本功能与使用方法。

二、实验环境

实验采用Weka 平台，数据使用Weka安装目录下data文件夹下的默认数据集iris.arff。 Weka是怀卡托智能分析系统的缩写，该系统由新西兰怀卡托大学开发。Weka使用Java

写成的，并且限制在GNU通用公共证书的条件下发布。它可以运行于几乎所有操作平台，是一款免费的，非商业化的机器学习以及数据挖掘软件。Weka提供了一个统一界面，可结合预处理以及后处理方法，将许多不同的学习算法应用于任何所给的数据集，并评估由不同的学习方案所得出的结果。

三、数据预处理

Weka平台支持ARFF格式和CSV格式的数据。由于本次使用平台自带的ARFF格式数据，所以不存在格式转换的过程。实验所用的ARFF格式数据集如图1所示

图1 ARFF格式数据集(iris.arff)

对于iris数据集，它包含了150个实例（每个分类包含50个实例），共有sepal length、

sepal width、petal l

DW&DM课程实验报告

班级：信管11-1

姓名：陈丽华

学号：201108071131

一、实验目的

验证

二、实验内容

（一）聚类分析

（1）数据准备

1. 数据文件格式转换

使用WEKA作数据挖掘，面临的第一个问题往往是我们的数据不是ARFF格式的。幸好，WEKA还提供了对CSV文件的支持，而这种格式是被很多其他软件，比如Excel，所支持的。现在我们打开“bank-data.csv”。

利用WEKA可以将CSV文件格式转化成ARFF文件格式。ARFF格式是WEKA支持得最好的文件格式。

此外，WEKA还提供了通过JDBC访问数据库的功能。

2.“Explorer”界面

“Explorer”提供了很多功能，是WEKA使用最多的模块。

3.bank-data数据各属性的含义如下：

id: a unique identification number

age: age of customer in years (numeric)

sex: MALE / FEMALE

region:inner_city/rural/suburban/town

income: income of customer (numeric)

married:is the customer marrie

Weka 数据挖掘软件使用指南

1. Weka简介

该软件是WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），它的源代码可通过得到。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。如果想自己实现数据挖掘算法的话，可以看一看Weka的接口文档。在Weka中集成自己的算法甚至借鉴它的方法自己实现可视化工具并不是件很困难的事情。

2. Weka启动

打开Weka主界面后会出现一个对话框，如图：

主要使用右方的四个模块，说明如下：

Explorer使用Weka探索数据的环境,包括获取关联项，分类预测，

聚

簇等；（本文主要总结这个部分的使用）

Experimenter运行算法试验、管理算法方案之间的统计检验的环境； KnowledgeFlow这个环境本质上和Explorer所支持的功能是一样的，但是它有一个可以拖放的界面。它有一个优势，就是支持增量学习； SimpleCLI提供了一个简单的命令行界面，从而可以在没有自带命令行的操作系统中直接执行Weka命令；（某些情况下使用命令行功

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

数据挖掘工具weka介绍~~

甘肃政法学院

本科生实验报告

（2）

姓名:

学院:计算机科学学院 专业:信息管理与信息系统 班级:

实验课程名称:数据挖掘 实验日期: 指导教师及职称: 实验成绩:

开课时间：2013—2014 学年

一 学期

甘肃政法学院实验管理中心印制

实验题目 姓名 Weka的数据聚类分析 班级 小组合作 学 号 一、实验目的 1、了解和熟悉K均值聚类的步骤 2、利用Weka中提供的simpleKmeans方法对数据文件进行聚类分析，更深刻的理解k均值算法，并通过对实验结果进行观察分析，找出实验中所存在的问题。 二．实验环境 Win 7环境下的Eclipse 三、实验内容 在WEKA中实现K均值的算法,观察实验结果并进行分析。 四、 实验过程与分析 一、实验过程 1、添加数据文件 打开Weka的Explore，使用Open file点击打开本次实验所要使用的raff格式数据文件“auto93.raff” 2、选择算法类型 点击Cluster中的Choose，选择本次实验所要使用的算法类型“SimpleKMeans” 3、得出实验结果 选中“Cluster Mode”

基于Weka的数据分类分析实验报告

1 实验目的

使用数据挖掘中的分类算法，对数据集进行分类训练并测试。应用不同的分类算法，比较他们之间的不同。与此同时了解Weka平台的基本功能与使用方法。

2 实验环境

2.1 Weka介绍

Weka是怀卡托智能分析系统的缩写，该系统由新西兰怀卡托大学开发。Weka使用Java写成的，并且限制在GNU通用公共证书的条件下发布。它可以运行于几乎所有操作平台，是一款免费的，非商业化的机器学习以及数据挖掘软件。Weka提供了一个统一界面，可结合预处理以及后处理方法，将许多不同的学习算法应用于任何所给的数据集，并评估由不同的学习方案所得出的结果。

图1Weka主界面

Weka系统包括处理标准数据挖掘问题的所有方法：回归、分类、聚类、关联规则以及属性选择。分析要进行处理的数据是重要的一个环节，Weka提供了很多用于数据可视化和与处理的工具。输入数据可以有两种形式，第一种是以ARFF格式为代表的文件；另一种是直接读取数据库表。

使用Weka的方式主要有三种：第一种是将学习方案应用于某个数据集，然后分析其输出，从而更多地了解这些数据；第二种是使用已经学习到的模型对新实例进预测；第三种是使用多种学习器，然后根据其性能表现选

基于Weka的数据分类分析实验报告

1 实验目的

使用数据挖掘中的分类算法，对数据集进行分类训练并测试。应用不同的分类算法，比较他们之间的不同。与此同时了解Weka平台的基本功能与使用方法。

2 实验环境

2.1 Weka介绍

Weka是怀卡托智能分析系统的缩写，该系统由新西兰怀卡托大学开发。Weka使用Java写成的，并且限制在GNU通用公共证书的条件下发布。它可以运行于几乎所有操作平台，是一款免费的，非商业化的机器学习以及数据挖掘软件。Weka提供了一个统一界面，可结合预处理以及后处理方法，将许多不同的学习算法应用于任何所给的数据集，并评估由不同的学习方案所得出的结果。

图1Weka主界面

Weka系统包括处理标准数据挖掘问题的所有方法：回归、分类、聚类、关联规则以及属性选择。分析要进行处理的数据是重要的一个环节，Weka提供了很多用于数据可视化和与处理的工具。输入数据可以有两种形式，第一种是以ARFF格式为代表的文件；另一种是直接读取数据库表。

使用Weka的方式主要有三种：第一种是将学习方案应用于某个数据集，然后分析其输出，从而更多地了解这些数据；第二种是使用已经学习到的模型对新实例进预测；第三种是使用多种学习器，然后根据其性能表现选

基于Weka的数据分类分析实验报告

1 实验目的

使用数据挖掘中的分类算法，对数据集进行分类训练并测试。应用不同的分类算法，比较他们之间的不同。与此同时了解Weka平台的基本功能与使用方法。

2 实验环境

2.1 Weka介绍

Weka是怀卡托智能分析系统的缩写，该系统由新西兰怀卡托大学开发。Weka使用Java写成的，并且限制在GNU通用公共证书的条件下发布。它可以运行于几乎所有操作平台，是一款免费的，非商业化的机器学习以及数据挖掘软件。Weka提供了一个统一界面，可结合预处理以及后处理方法，将许多不同的学习算法应用于任何所给的数据集，并评估由不同的学习方案所得出的结果。

图1Weka主界面

Weka系统包括处理标准数据挖掘问题的所有方法：回归、分类、聚类、关联规则以及属性选择。分析要进行处理的数据是重要的一个环节，Weka提供了很多用于数据可视化和与处理的工具。输入数据可以有两种形式，第一种是以ARFF格式为代表的文件；另一种是直接读取数据库表。

使用Weka的方式主要有三种：第一种是将学习方案应用于某个数据集，然后分析其输出，从而更多地了解这些数据；第二种是使用已经学习到的模型对新实例进预测；第三种是使用多种学习器，然后根据其性能表现选

数据源：iris.arff

决策树：C4.5算法的Java实现，J48 NAME

weka.classifiers.trees.J48

SYNOPSIS

Class for generating a pruned or unpruned C4.5 decision tree. For more information, see

Ross Quinlan (1993). C4.5: Programs for Machine Learning. Morgan Kaufmann Publishers, San Mateo, CA.

OPTIONS

binarySplits -- Whether to use binary splits on nominal attributes when building the trees. 二进制分裂：是否使用二进制分裂名词性属性；默认False

confidenceFactor -- The confidence factor used for pruning (smaller values incur more pruning). 置信因子：用于修剪的置信因子（小于该值导致修剪）；默认0.25