《weka操作介绍》PPT课件.ppt
,WEKA操作介绍,命令环境,算法实验环境,知识流环境,在KnowledgeFlow 窗口顶部有八个标签：DataSources-数据载入器 DataSinks-数据保存器Filters-筛选器Classifiers-分类器Clusterers-聚类器Associations关联器Evaluation评估器Visualization可视化,3,2,5,4,1,6,7,8,1.区域1的几个选项卡是用来切换不同的挖掘任务面板。,Preprocess（数据预处理）Classify（分类）Cluster（聚类）Associate（关联分析）Select Attributes（选择属性）Visualize（可视化）,2.区域2是一些常用按钮。包括打开数据，保存及编辑功能。我们可以在这里把“bank-data.csv”，另存为“bank-data.arff”,3.在区域3中“Choose”某个“Filter”，可以实现筛选数据或者对数据进行某种变换。数据预处理主要就利用它来实现。,对取值较多的数值型属性，离散化可借助WEKA中名为“Discretize”的Filter来完成。,4.区域4展示了数据集的一些基本情况。,5.区域5中列出了数据集的所有属性。勾选一些属性并“Remove”就可以删除它们，删除后还可以利用区域2的“Undo”按钮找回。区域5上方的一排按钮是用来实现快速勾选的。在区域5中选中某个属性，则区域6中有关于这个属性的摘要。注意对于数值属性和标称属性，摘要的方式是不一样的。,6.区域7是区域5中选中属性的直方图。若数据集的某个属性是目标变量，直方图中的每个长方形就会按照该变量的比例分成不同颜色的段。默认地，分类或回归任务的默认目标变量是数据集的最后一个属性。要想换个分段的依据，即目标变量，在区域7上方的下拉框中选个不同的分类属性就可以了。下拉框里选上“No Class”或者一个数值属性会变成黑白的直方图。,属性名（Name）、属性类型（Type）、缺失值（Missing）数及比例、不同值（Distinct）数、唯一值（Unique）数及比例对于数值属性和标称属性，摘要的方式是不一样的。数值属性显示最小值（Minimum）、最大值（Maximum）、均值（Mean）和标准差（StdDev）,7.区域8是状态栏，可以查看Log以判断是否有错。右边的weka鸟在动的话说明WEKA正在执行挖掘任务。右键点击状态栏还可以执行JAVA内存的垃圾回收。,Using training set 使用训练集评估Supplied test set 使用测试集评估Cross-validation 交叉验证 设置折数FoldsPercentage split 保持方法。使用一定比例的训练实例作评估 设置训练实例的百分比,Classify,Run information 运行信息Summary 针对训练/检验集的预测效果汇总（平均绝对误差等等）Detailed Accuracy By Class 对每个类的预测准确度的详细描述。Confusion Matrix 混淆矩阵，其中矩阵的行是实际的类，矩阵的列是预测得到的类，矩阵元素就是相应测试样本的个数,主要算法包括：SimpleKMeans 支持分类属性的K均值算法DBScan 支持分类属性的基于密度的算法EM 基于混合模型的聚类算法 FathestFirst K中心点算法 OPTICS 基于密度的另一个算法Cobweb 概念聚类算法sIB 基于信息论的聚类算法，不支持分类属性XMeans 能自动确定簇个数的扩展K均值算法，不支持分类属性,Cluster,右击左侧栏result list，点“Visualize cluster assignments”。弹出的窗口给出了各实例的散点图。,Cluster,Associate,设置参数car：如果设为真，则会挖掘类关联规则而不是全局关联规则。classindex：类属性索引。如果设置为-1，最后的属性被当做类属性。delta：以此数值为迭代递减单位。不断减小支持度直至达到最小支持度或产生了满足数量要求的规则。lowerBoundMinSupport：最小支持度下界。metricType：度量类型，设置对规则进行排序的度量依据。可以是：置信度（类关联规则只能用置信度挖掘），提升度(lift)，平衡度(leverage)，确信度(conviction)。minMtric：度量的最小值。numRules：要发现的规则数。outputItemSets：如果设置为真，会在结果中输出项集。removeAllMissingCols：移除全部为缺失值的列。significanceLevel：重要程度。重要性测试（仅用于置信度）。upperBoundMinSupport：最小支持度上界。从这个值开始迭代减小最小支持度。verbose：如果设置为真，则算法会以冗余模式运行。,关联运行结果,
