用weka来做Logistic Regression

1、首先下载安装weka

http://www.cs.waikato.ac.nz/ml/weka/downloading.html

2、打开weka，选择第一项Explorer

3、准备数据集文件，在weka中，一般数据文件为：xxx.arff，比如我编辑一个文件叫做tumor.arff，文件的内容为：

@RELATION tumor

@ATTRIBUTE size NUMERIC
@ATTRIBUTE 'Class' {'1','0'}

@DATA
0.0,'0'
0.1,'0'
0.7,'1'
1.0,'0'
1.1,'0'
1.3,'0'
1.4,'1'
1.7,'1'
2.1,'1'
2.2,'1'

稍微解释一下数据，size属性表示tumor的大小，被单引号括起来的Class应该是weka中的保留字，专门表示类别。

4、加载数据。在主界面的Preprocess选项卡下，点Open file，然后选择第三步中准备好的数据文件：tumor.arff

在这个界面下，可以看到关于数据的一些统计信息，以及一些图形化的显示，同学们可以自己探索。

6、切换到主界面的Classify选项卡，点击Choose，在functions分支下面选择Logistic。

Test options选择Use training set，然后点击Start即可

7、再给出一组测试数据：

@RELATION tumor
@ATTRIBUTE x1 NUMERIC
@ATTRIBUTE x2 NUMERIC
@ATTRIBUTE 'Class' {'1','0'}

@DATA
0.0 2.9 '0'
1 1.9 '0'
2.0 0.9 '0'
3.0 -0.1 '0'
4.0 -1.1 '0'
0.0 2.5 '0'
1 1.5 '0'
2.0 0.5 '0'
3.0 -0.5 '0'
4.0 -1.5 '0'
0.0 2.0 '0'
1 1 '0'
2.0 0.0 '0'
3.0 -1 '0'
4.0 -2.0 '0'
0.0 1 '0'
1 0.0 '0'
2.0 -1 '0'
3.0 -2.0 '0'
4.0 -3.0 '0'
0.2 2.9 '1'
1.2 1.9 '1'
2.2 0.9 '1'
3.2 -0.1 '1'
4.2 -1.1 '1'
1.2 2.9 '1'
2.2 1.9 '1'
3.2 0.9 '1'
4.2 -0.1 '1'
5.2 -1.1 '1'
2.2 2.9 '1'
3.2 1.9 '1'
4.2 0.9 '1'
5.2 -0.1 '1'
6.2 -1.1 '1'
3.0 0.2 '0'
1 2.3 '0'
1 1.8 '1'
2.0 0.8 '1'

weka训练结果：

训练出来的模型是：h(x)=1/(1+exp(-(-13.9827+4.6001*x1+4.6302*x2)))