数据挖掘工具(weka教程)课件.ppt

《数据挖掘工具(weka教程)课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、数据挖掘工具-WEKA教程WEKA简介数据格式数据准备属性选择可视化分析分类预测关联分析聚类分析扩展WEKAWEKA教程课程的总体目标和要求：熟悉WEKA的基本操作，了解WEKA的各项功能掌握数据挖掘实验的流程准备数据选择算法和参数运行评估实验结果了解或掌握在WEKA中加入新算法的方法作为一个大众化的数据挖掘工作平台，WEKA集成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、关联分析以及在新的交互式界面上的可视化等等。通过其接口，可在其基础上实现自己的数据挖掘算法。1、WEKA简介WEKA所用的数据格式（跟Excel一样）Ex

2、plorer界面Openfile…Edit…2、数据格式WEKA文件相关术语表格里的一个横行称作一个实例（Instance），相当于统计学中的一个样本，或者数据库中的一条记录。竖行称作一个属性（Attribute），相当于统计学中的一个变量，或者数据库中的一个字段。这样一个表格，或者叫数据集，在WEKA看来，呈现了属性之间的一种关系(Relation)。上图中一共有14个实例，5个属性，关系名称为“weather”。WEKA存储数据的格式是ARFF（Attribute-RelationFileFormat）文件，这是一种ASCII文本文件。上图所示的二维表

3、格存储在如下的ARFF文件中。这也就是WEKA自带的“weather.arff”文件，在WEKA安装目录的“data”子目录下可以找到。2、数据格式文件内容说明识别ARFF文件的重要依据是分行，因此不能在这种文件里随意的断行。空行（或全是空格的行）将被忽略。以“%”开始的行是注释，WEKA将忽略这些行。如果你看到的“weather.arff”文件多了或少了些“%”开始的行，是没有影响的。除去注释后，整个ARFF文件可以分为两个部分。第一部分给出了头信息（Headinformation），包括了对关系的声明和对属性的声明。第二部分给出了数据信息（Datainfo

4、rmation），即数据集中给出的数据。从“@data”标记开始，后面的就是数据信息了。2、数据格式关系声明关系名称在ARFF文件的第一个有效行来定义，格式为@relation是一个字符串。如果这个字符串包含空格，它必须加上引号（指英文标点的单引号或双引号）。2、数据格式属性声明属性声明用一列以“@attribute”开头的语句表示。数据集中的每一个属性都有它对应的“@attribute”语句，来定义它的属性名称和数据类型。这些声明语句的顺序很重要。首先它表明了该项属性在数据部分的位置。例如，“hu

5、midity”是第三个被声明的属性，这说明数据部分那些被逗号分开的列中，第三列数据85908696...是相应的“humidity”值。其次，最后一个声明的属性被称作class属性，在分类或回归任务中，它是默认的目标变量。属性声明的格式为@attribute其中是以字母开头的字符串。和关系名称一样，如果这个字符串包含空格，它必须加上引号。2、数据格式（续）WEKA支持的有四种numeric数值型标称（nomina

6、l）型string字符串型date[]日期和时间型其中和将在下面说明。还可以使用两个类型“integer”和“real”，但WEKA把它们都当作“numeric”看待。注意“integer”，“real”，“numeric”，“date”，“string”这些关键字是区分大小写的，而“relation”、“attribute”和“data”则不区分。2、数据格式数值属性数值型属性可以是整数或者实数，但WEKA把它们都当作实数看待。标称属性标称属性由

7、-specification>列出一系列可能的类别名称并放在花括号中：{,,...}数据集中该属性的值只能是其中一种类别。例如如下的属性声明说明“outlook”属性有三种类别：“sunny”，“overcast”和“rainy”。而数据集中每个实例对应的“outlook”值必是这三者之一。@attributeoutlook{sunny,overcast,rainy}如果类别名称带有空格，仍需要将之放入引号中。2、数据格式字符串属性字符串属性中可以包含任意的文本。这种类型的属性在文本挖掘中非常有用。示

8、例：@ATTRIBUTELCCstri