不多说,直接上干货! 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.本博客将详细介绍Weka探索者界面的图形化用户界面.预处理界面.分类界面.聚类界面.关联界面.选择属性界面和可视化界面等内容. 一.Weka的Explorer(探索者)界面里的图形化界面 启动Weka GUI选择器窗口之后,用鼠标单击窗口右部最上面的Explorer按钮,启动探索者界面,这时,由于没有加载数据集,除预处理面板外,其他面板都变灰而不可用, 可

相关准备: Weka.mysql已安装 MYSQL Driver for JDBC 1.进入weka的安装目录 1)新建文件夹lib和文件夹weka,然后将mysql-connector-java-5.1.24-bin.jar复制到lib文件夹中 2)“我的电脑”属性,设置环境变量 新建变量WEKA_HOME=weka的安装目录,如(D:\Prgrams\weka-3.6) 在CLASSPATH变量中添加“;%WEKA_HOME%\lib\mysql-connector-java-5.1.24-

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.支持的操作系统有Windows x86.Windows x64.Mac OS X.Linux等.这里不多赘述.  Weka系统安装一共分为: 1.安装Weka所需系统要求 下表,列举了运行Weka的特定版本对Java版本的要求. Java 1.4 1.5 1.6 Weka <3.4.0 X X X 3.4.x X X X 3.5.x 3.5.0-3.5.2 >3.5.2 r289

不多说,直接上干货! Weka介绍: Weka是一个用Java编写的数据挖掘工具,能够运行在各种平台上.它不仅提供了可以直接用于数据挖掘的软件,还提供了src代码,使用者可以修改源代码,进行二次开发.但是,由于其使用了Java虚拟机,导致其不适合处理大型数据,运行缓慢.处理超过一定大小数据,还会溢出heap size,使程序崩溃.但作为初学者,很适合通过处理一些小型数据集,以直观地了解各种数据挖掘方法.它还自带一些典型的数据集,可以直接使用.在安装目录下的data子目录中. Weka通常使用AR

本文将介绍一种新的添加新的算法到Weka中的方法,国内的论坛基本都是通过IDE(Eclipse或NetBeans)编译,详细教程请见上一篇博客.经研究,发现国外的网站很流行用Ant这个方法,教程奉上.设备Mac OS,Weka 3-9-1. 一.Apache Ant 环境搭建 安装 Apache Ant 的前提是你的电脑上已经下载并且安装了 Java 开发工具包(JDK). 1.下载 https://ant.apache.org/bindownload.cgi,其中推荐下载.zip格式的,下载完

转:http://kasy-13.blog.163.com/blog/static/8214691420143226365887/ 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(h

不多说,直接上干货! Weka中数据挖掘与机器学习系列之Weka系统安装(四) Weka中数据挖掘与机器学习系列之Weka3.7和3.9不同版本共存(七) 情况1 对于在Weka里,通过Weka  Package  Manager安装所需包时,其实,大部分情况下,直接选中All单选按钮,显示全部包,找到你要安装的包. 比如,大家,可以去尝试下wavelet这个包.我这里不多赘述了 然后,单击Install按钮进行安装.这时,Weka会弹出一个窗口请用户确认,单击“是(Y)”按钮确认自己的操作,在

不多说,直接上干货! 为什么,我要写此博客,原因是(以下,我是weka3.7.8) 以下是,weka3.7.8的安装版本. Weka中数据挖掘与机器学习系列之Weka系统安装(四) 基于此,我安装最新的稳定版本,weka3.9.0.下载请见 http://download.csdn.net/detail/u010106732/9842662 最后,安装下来,两个版本界面有些变化差异. 我这里,在我自己电脑里,这两款版本我都保留了.大家也可以这样去做.因为,有些资料网上,还现在很大程度上,停留在3

数据挖掘和机器学习 数据挖掘和机器学习这两项技术的关系非常密切.机器学习方法构成数据挖掘的核心,绝大多数数据挖掘技术都来自机器学习领域,数据挖掘又向机器学习提出新的要求和任务. 数据挖掘就是在数据中寻找模式的过程.这个寻找过程必须是自动的或半自动的,并且数据总量应该是具有相当大的规模,从中发现的模式必须有意义并能产生一定的效益.通常,数据挖掘需要分析数据库中的数据来解决问题,如客户忠实度分析.市场购物篮分析等. 机器学习分为两种主要类型.第一种称为有监督学习,或称为预测学习,其目标是在给定一系列

不管是实验室研究机器学习算法或是公司研发,都有需要自己改进算法的时候,下面就说说怎么在weka里增加改进的机器学习算法. 一 添加分类算法的流程 1 编写的分类器必须继承 Classifier或是Classifier的子类:下面用比较简单的zeroR举例说明: 2 复写接口 buildClassifier,其是主要的方法之一,功能是构造分类器,训练模型: 3 复写接口 classifyInstance,功能是预测一个标签的概率:或实现distributeForInstance,功能是对得到所有的

不多说,直接上干货! Weka简介 Weka是怀卡托智能分析环境(Waikato Environment for Knowledge Analysis)的英文字首缩写,官方网址为:http://www.cs.waikato.ac.nz/ml/weka,在该网站可以免费下载可运行软件和源代码,还可以获得说明文档.常见问题解答.数据集和其他文献等资源.Weka的发音类似新西兰本土一种不会飞的鸟,如下图所示,因此Weka系统使用该鸟作为其徽标. Weka是新西兰怀卡托大学用Java开发的数据挖掘著名开

本文介绍添加一个新算法到Weka集成环境中的过程,并能在GUI中运行并显示其结果.想做到这一点有两种方法,一是用ANT命令生成新的weka.jar(稍后写教程),二是用IDE(Eclipse或NetBeans)进行编译.本文介绍第二种方法,过程中选取了Eclipse开发平台,Weka 3-9-1,设备为Mac OS. 1. 把安装好的weka-src.jar解压到/Users/shengyidan/Desktop/weka,解压后的文件名为weka-src.其中关联.分类.聚合等算法都在/Use

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.read.arff():读Weka Attribute-Relation File Format (ARFF)格式的数据.write.arff:将数据写入Weka Attribute-Relation File Format (ARFF)格式的文件. 2) 数据预处理Normalize():无监督的标准化连续性数据.Discretize():用MDL(Minimum Descriptio

关于这个explorer.exe病毒.是眼下xp最为常见的一个病毒,会大量的消耗系统资源,造成电脑特别的卡顿. 1.关闭还原(假设没有,则跳过),为的是防止我们改动后,还原之后又回来了. 2.打开注冊表.   win + R 键(或者 点击 開始-->执行) 然 输入regedit 并敲回车.这样就能够打开注冊表了. 3.在注冊表编辑器窗体中,须要将下面的几个路径中的几个文件删除掉:         [HKEY_CLASSES_ROOT\CLSID\{081FE200-A103-11D7-A46

在机器学习分类结果的评估中,ROC曲线下的面积AOC是一个非常重要的指标.下面是调用weka类,输出AOC的源码: try { // 1.读入数据集 Instances data = new Instances( new BufferedReader( new FileReader("E:\\Develop/Weka-3-6/data/contact-lenses.arff"))); data.setClassIndex(data.numAttributes() - ); // 2.训

explorer是Windows程序管理器或者文件资源管理器. 用于管理Windows图形壳.(桌面和文件管理.) 删除该程序会导致Windows图形界面无法使用. explorer.exe进程是微软为其Windows操作系统定义的系统核心进程. 后来微软将其称为"文件资源管理器". 在功能上,explorer.exe进程为用户提供了图形界面(图形克). 简单的来说就是用来显示系统的桌面环境的,包括开始菜单.桌面下方的任务栏.桌面图标和文件管理. IE Internet Explore

private void EM_Init (Instances inst) throws Exception { int i, j, k; // 由于EM算法对初始值较敏感,故选择run k means 10 times and choose best solution SimpleKMeans bestK = null; double bestSqE = Double.MAX_VALUE; for (i = 0; i < 10; i++) { SimpleKMeans sk = new Sim

不知道是不是上面的描述.做个记录 project explorer 项目资源管理器 这个要打开代码目录需要再点开java resources 还会出现deployment Descriptor项目工程描述 package explorer包资源管理器 打开方式window->show view->other->package explorer 这个感觉看着比较爽 最后再改下包显示方式为:flag 扁平化显示.hierarchical属性结构显示. flag相同包不会自动合并显得太冗长.

数据预处理包括数据的缺失值处理.标准化.规范化和离散化处理. 数据的缺失值处理:weka.filters.unsupervised.attribute.ReplaceMissingValues. 对于数值属性,用平均值代替缺失值,对于nominal属性,用它的mode(出现最多的值)来代替缺失值. 标准化(standardize):类weka.filters.unsupervised.attribute.Standardize.标准化给定数据集中所有数值属性的值到一个0均值和单位方差的正态分布.

本人正值科研之年,同时也在使用Weka来做相关数据挖掘和机器学习的论文工作. 为了记录自己的学习历程,也便于分享和带领入门的你们.废话不多说,直接上干货!