使用weka进行数据挖掘

最新推荐文章于 2026-04-23 14:12:34 发布
原创 最新推荐文章于 2026-04-23 14:12:34 发布 · 2.2w 阅读 · 74
本文详细介绍了如何将数据转换为Weka可处理的ARFF格式，进行了数据预处理，使用Weka的分类器如J48、SVM等进行分类，并通过十折交叉验证评估了分类效果。结果显示SVM表现最佳，Kappa统计量、平均绝对误差和相对误差均表明分类精度高。

weka参考教程：

http://wenku.baidu.com/link?url=uKstwSTwVK8bn8EqAUElOhkgEZUQDPJbIpOAbTm65JFcJdgAVKVGePetXLikzUl9GB__VPUAfmD7CbQ_kT9XI3_49mwJjM1S4llBDxlMoAa

首先，本次数据挖掘的使用的数据集是从UCI机器学习知识库中下载的car evaluation，下载地址：

http://archive.ics.uci.edu/ml/

一、将下载好的格式转化为weka可以处理的arff格式

下载好之后文件的大小格式如下图

可以先用MATLAB打开这几个文件看一下里面是什么内容，car.c45-names是以c4.5格式存储的姓名文件，里面包含属性取值和类别。car.names是说明文档，car.data是数据。

怎样把car.data变成weka可以处理的arff文件呢？ 首先把car.data改后缀名变成car.csv，然后在weka -> Explorer -> Open file打开csv文件另存为arff文件就可以了。一开始我在data文件里面加入了这么几句话：

我添加了@语句，但是用excel打开csv文件后发现它是这样的：

最低0.47元/天 解锁文章
基于WEKA的高校图书馆流通数据的数据挖掘实例
10-09
weka是一款由Waikato大学研究的基于Java 的用于数据挖掘和知识发现的开源项目, 其中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、关联规则挖掘、分类、聚类等, 并提供了丰富的可视化功能。同时, 由于其是一款开源软件, 所以也可以用于数据挖掘的二次开发和算法研究。文章介绍了利用开源软件WEKA 作为数据挖掘工具, 通过Apriori 算法, 对高校图书馆流通历史数据进行挖掘分析。
WEKA聚类分析实例代码
11-27
weka智能分析示例代码，主要实现了聚类分析功能。
利用weka进行数据挖掘——基于Apriori算法的关联规则挖掘实例
fengxiandada的博客
03-30 1万+
文章目录1. weka安装2. 先分析一个Apriori算法的关联规则挖掘实例3. 利用weka进行数据挖掘3.1 将数据转为ARFF格式3.2 利用weka进行分析4. 参考文章 首先，如果不熟悉weka的使用的话，可以从我的git仓库里面拉取一下weka的相关教程，仓库里面还有包含此次实例的所有资源 1. weka安装 我们可以在weka的官网上下载weka软件：weka官网 如果下载速度慢的话也可以直接从我的git仓库里面拉取这个软件，软件是win64位的weka-3-8-6 然后找到对应版本：
使用Weka进行数据挖掘
weixin_34080571的博客
10-22 1382
1.简介 数据挖掘、机器学习这些字眼，在一些人看来，是门槛很高的东西。诚然，如果做算法实现甚至算法优化，确实需要很多背景知识。但事实是，绝大多数数据挖掘工程师，不需要去做算法层面的东西。他们的精力，集中在特征提取，算法选择和参数调优上。那么，一个可以方便地提供这些功能的工具，便是十分必要的了。而weka，便是数据挖掘工具中的佼佼者。 Weka的全名是怀卡托智能分析环境（W...
Weka机器学习工作台：从入门到实战应用
最新发布
weixin_42376614的博客
04-23 214
机器学习工具Weka（Waikato Environment for Knowledge Analysis）是一个集数据预处理、分类、聚类和可视化于一体的开源平台，特别适合初学者和研究人员。作为基于Java的跨平台工具，Weka通过直观的图形界面和丰富的算法库，降低了机器学习的学习门槛。其核心功能包括数据清洗、特征选择和多种机器学习算法实现，如决策树、支持向量机和随机森林。Weka的可视化工具帮助用户理解数据分布和模型性能，而其模块化设计支持算法扩展和自定义开发。在工程实践中，Weka常用于快速原型验证和中
【数据挖掘软件 weka】第一部分 开始使用weka
问就ycy的博客
09-16 1万+
https://www.youtube.com/watch?v=LcHw2ph6bss&list=PLm4W7_iX_v4NqPUjceOGd-OKNVO4c_cPD 这是由新西兰Waikato大学提供，关于如何使用weka进行数据挖掘的在线学习课程。
用weka进行数据挖掘
qq_61141142的博客
09-24 1402
SimpleKMeans算法是K-Means算法中最为简单的一种，也是在Weka软件中集成的一个算法，本次大作业中，我在Weka中，利用SimpleKMeans算法对数据集进行数据挖掘，主要是由于SimpleKMeans算法有K-Means算法应用广泛，具有代表性的特性，同时它有事一种最为简单的k-means算法，更加容易我们掌握，因此，此次我选择该算法作为我对zoo这一数据集进行聚类分析的原因。K均值算法以k为输入参数，把n个对象的集合分成k个簇，使得结果内的相似程度最高，而簇间的相似程度低。
数据挖掘:：实验一 WEKA分类
热门推荐
Bamboo
05-08 3万+
目录 一、实验目的   二、实验环境  三、实验要求 四、实验过程及结果 （1）KNN分类器： （2）C4.5决策树分类器： （3）朴素贝叶斯分类器： 五、实验总结 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Weka3.8 ...
一款数据挖掘软件——WEKA
登登的博客 是温馨的小屋。
07-19 1万+
Weka是新西兰怀卡托大学用Java开发的数据挖掘著名开源软件，该系统自1993年开始由新西兰政府资助，至今已经历了20年的发展，其功能已经十分强大和成熟。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。...
使用Weka进行数据挖掘（Weka教程一）Weka初识之在你的代码中使用Weka
乔阳的博客
03-04 8593
Weka教程一，讲解Weka的组件、和开发环境配置
基于Weka的典型数据挖掘应用
赴前尘
07-05 4453
实验目标 理解数据挖掘的基本概念，掌握基于Weka工具的基本数据挖掘（分类、回归、聚类、关联规则分析）过程。 实验内容 下载并安装Java环境（JDK 7.0 64位）。 下载并安装Weka 3.7版。 基于Weka的数据分类。 基于Weka的数据回归。 基于Weka的数据聚类。 基于Weka的关联规则分析。 实验步骤 下载并安装Java环境（...
《数据挖掘基础》实验：Weka平台实现分类算法
lazyn的博客
12-21 1万+
Weka平台实现分类算法 进一步理解分类算法（决策树、贝叶斯），利用weka实现数据集的分类处理，学会调整模型参数，以图或树的形式给出挖掘结果，并解释规则的含义。
〖数据挖掘〗weka3.8.6的安装与使用
码银的博客
05-08 8753
Preprocess：预处理Classify：分类Cluster：聚类Associate：关联Select attributes：选择属性Visualize：可视化open file：从文件中打开一组实例open URL：从URL中打开一组实例open DB：从数据库中打开一组实例generate：生成人工数据undo：撤销对数据集最后更改edit：在查看器中打开当前数据集进行编辑save：将工作关系保存到文件中属性ALL：全选None：全不选。
【项目实战】数据挖掘工具Weka
奶爸的编程之路，也就一周冷个三天
08-21 1404
Weka（怀卡托智能分析环境，Waikato Environment for Knowledge Analysis）是一款免费的、非商业化的、基于Java环境下开源的数据挖掘工具。它提供了一套完整的数据挖掘功能，包括数据预处理、分类、回归、聚类、关联规则挖掘以及可视化等功能。Weka 官方网站Weka 的 GitHub 仓库Weka 的官方文档专业术语：: 从大量数据中提取有用信息的过程。: 计算机通过经验自动改进的能力。: 将数据分配到预定义的类别中。Regression: 预测连续值的过程。
【数据挖掘软件 weka】第五部分 综合起来
问就ycy的博客
09-18 451
https://www.youtube.com/watch?v=LcHw2ph6bss&list=PLm4W7_iX_v4NqPUjceOGd-OKNVO4c_cPD这是由新西兰Waikato大学提供，关于如何使用weka进行数据挖掘的在线学习课程。
使用Weka进行数据挖掘与机器学习
weixin_53840353的博客
08-06 2576
在当前大数据时代，数据挖掘与机器学习已经成为了不可或缺的技术。而Weka是一个非常流行的机器学习软件，它提供了一整套的机器学习算法和数据处理工具。Weka不仅支持命令行操作和GUI，还提供了Java API，非常适合Java开发者进行数据挖掘和机器学习任务。在这篇博客中，我们将深入探讨如何使用Weka进行数据挖掘与机器学习。我们将介绍Weka的基本概念，展示如何使用其Java API进行数据预处理、建模、评估和预测。我们会通过具体的代码示例来帮助读者更好地理解这一过程。
学习weka（2）：weka软件使用实例：针对kdd99数据集进行训练和测试
蓝亚之舟的博客
03-20 7984
前言 kdd99 数据集之前介绍过，没有看的可以参考：KDD CUP99数据集预处理（Python实现） 这里拿 kdd99 数据集练练手，主要目的是熟悉一下 weka 的使用。 1、数据集准备 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所支持的。 虽然 weka 也支持 csv 格式，但是建议还是转为 ARFF 格式最好。 1.1 简单打开一个 csv 文件（加载数据） （1）加载数据方式
Weka使用入门
yaoyepeng的专栏
12-27 1134
1. 简介    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http://www.cs.waikato.ac.nz/ml/weka得到。同时weka也是新西兰的一种鸟名，而WEKA的主要开发者来自新西兰。    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
数据挖掘系列（4）使用weka做关联规则挖掘
AlienTech for better life!~
11-16 3957
前面几篇介绍了关联规则的一些基本概念和两个基本算法，但实际在商业应用中，写算法反而比较少，理解数据，把握数据，利用工具才是重要的，前面的基础篇是对算法的理解，这篇将介绍开源利用数据挖掘工具weka进行管理规则挖掘。 weka数据集格式arff 　　arff标准数据集简介 　　weka的数据文件后缀为arff（Attribute-Relation File Format，即属性
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值