- 综合排序
- 最热优先
- 最新优先
- 来自专栏联远智维
WEKA平台应用
常用的机器学习平台有：（1）WEKA：一款免费开源的机器学习和数据挖掘可视化工具软件，其操作简便，运行速度快，尤其适合小规模的机器学习建模，适合于科研探索和机器学习入门人员等；（2）RapidMiner （详细见https://blog.csdn.net/rain_88/article/details/52973238） WEKA简单应用 Weka输入数据的格式： @relation weather
89110编辑于 2022-01-20 - 来自专栏企鹅号快讯
WEKA的使用指南
01 — WEKA简介 那么问题来了，WEKA是什么？ 新西兰秧鸡？ 不不不，不是这个WEKA。 02 — 界面展示 接下来展示一下WEKA的界面。 可以通过https://sourceforge.net/projects/weka/?source=directory下载weka。 一般使用探索环境就可以完成常用的挖掘分析任务了。 然而略坑爹的地方是，WEKA默认的数据格式是独有的。 WEKA在自带的data目录里有很多示例数据集，其他地方就真的木有见过arff这种文件格式了。 WEKA的结果输出是我非常喜欢的一部分功能，模型介绍、分类准确率等都很整齐，很方便的对比几个模型的效果。 以下可以获得关于WEKA的帮助： •下载： https://sourceforge.net/projects/weka/?
2.5K60发布于 2018-02-24 - 来自专栏python3
3-weka.filters.unsup
使用weka API 对数据进行规范化处理 DataSource source = null; Instances instances = null; try
55220发布于 2020-01-15 - 来自专栏Python编程和深度学习
Weka机器学习使用介绍（数据+算法+实战）
Weka机器学习使用介绍（数据+算法+实战） Weka是怀卡托智能分析环境(Waikato Environment for Knowledge Analysis)的英文字首缩写，新西兰怀卡托大学用Java 本文将利用一个csv数据对Weka的使用过程进行简单的介绍，并采用其中一种机器学习算法决策树进行实战，其他的一些机器学习算法在机器学习专辑里都有介绍。 QQ浏览器截图20210111165154.png 一、 Weka介绍 下载链接：https://waikato.github.io/weka-wiki/downloading_weka/，里面有windows 数据读取 打开Explorer界面，点击Open file，选择保存目录下的Weka_Data.csv(在公众号回复Weka_Data即可得到csv文件的下载地址)，文件中是包含20个特征的20个数据和对应的 通常对于Weka来说并不支持中文，Weka支持的有四种数据类型，分别是：numeric--数值型，--分类（nominal）型，string--字符串型，date []--日期和时间型。
19.8K43发布于 2020-07-01 - 来自专栏信数据得永生
weka manual 3.6 翻译：1.1 引言
如果你遇到了“找不到指定类”的错误，检查你的CLASSPATH目录下面有没有存放weka.jar。你也可以使用 -cp 命令来显式指定 CLASSPATH 目录。 我们会从基础的概念和思想讲起，然后是 weka.filters 包，它用来转换输入数据，例如预处理、转化、特征聚集以及其他。 接着，我们会关注机器学习的算法本身，他们在weka中叫做分类器。 最后，在weka的文档目录中，你可以找到所有weka中的java类。准备好使用它们，因为这个手册不会提供完整的描述。如果你想知道他们的内部机制，请查看具有良好注释的源代码。 它们可以在 weka-src.jar 中找到，并且可以在jdk提供的jar工具里查看（或者任何可以解压缩zip格式文件程序都行）。
40230编辑于 2022-11-27 Weka机器学习平台的迷你课程
第1课：下载并安装Weka 首先要做的就是在工作站上安装Weka软件。 Weka是免费的开源软件。 本课您的任务是访问Weka下载页面，下载并安装Weka到您的工作站上。 第2课：加载标准机器学习数据集 现在您已经安装好了Weka，接下来您需要加载数据。 在本课中，您将学习在Weka Explorer中加载标准数据集。 双击Weka（鸟形状的图标），这将启动Weka GUI Chooser。 请注意，如果您的Weka安装中没有数据/相关目录，或者您找不到它，请从Weka下载网页下载Weka的.zip版本，解压缩并访问数据/相关目录。 您刚刚在Weka中加载了您第一个数据集。 第12课：比较算法的性能 Weka提供了一个专门用于比较算法的称为Weka实验环境（Weka Experiment Environment）的独特工具。
6.5K60发布于 2018-02-08- 来自专栏SpringCloud专栏
Weka中分类器指标的说明
相关系数，相关性系数 (Correlation Coecient)是真实值a与预测值p之间的统计相关性，它是一个[-1,1]之间的实数。1表示完全相关，0表示完全不相关，-1表示反向完全相关。对一个数值预测模型，相关性系数越接近1表明预测能力越好，而其他误差相关的度量都是越小越接近0越好。均方误差是最常用的基本方法，程序中得不到，但是可以得到均方根误差。
2.3K30发布于 2019-01-17 - 来自专栏人工智能
如何在Weka中加载CSV机器学习数据
如何在Weka中加载CSV机器学习数据 在开始建模之前，您必须能够加载(您的)数据。 在这篇文章中，您将了解如何在Weka中加载您的CSV数据集。 阅读这篇文章后，你会知道： 关于ARFF文件格式以及它在Weka中表示数据的默认方式。 如何在Weka Explorer中加载CSV文件并将其保存为ARFF格式。 本教程假定您已经安装了Weka。 让我们开始吧。 Weka中的数据 Weka倾向于以ARFF格式加载数据。 (WEKA存储数据的格式是ARFF(Attribute-Relation File Format)文件，这是一种ASCII文本文件。 根据您的Weka安装(方式)，您的Weka安装目录data /子目录下可能有或者没有一些默认的数据集。与Weka一起分发的这些默认数据集都是ARFF格式，并且具有.arff文件扩展名。
10.5K100发布于 2018-02-08 - 来自专栏大数据智能实战
基于WEKA实现时间序列的预测
在学习时序预测过程中，先看了WEKA的功能。 WEKA本身是不带这功能的，不过还好，WEKA方面倒是这样的分析插件，运行一下，里面提供的界面还是相对可以的，有结果的输出和可视化，不过在时序分析预测算法方面优势就不明显了。
1.3K20编辑于 2022-05-07 - 来自专栏全栈程序员必看
weka怎么安装_we是什么安装方式
大家常见的应该是实体看板，适合布置在团队所有成员都在一个办公室工作的环境。它的优点很明显，方便工作成员展示和查看自己的任务以及进度，可以提高员工间的相互竞争意识；但缺点也很致命，没有历史记录无法查看之前的工作内容。
79230编辑于 2022-09-20 - 来自专栏全栈程序员必看
Weka算法Clusterers-DBSCAN源代码分析
否则转II 在分析Weka的实现时。 time_2 = System.currentTimeMillis(); elapsedTime = (double) (time_2 - time_1) / 1000.0;//非常奇怪，weka
74430编辑于 2022-07-10 - 来自专栏机器学习AI算法工程
数据挖掘工具R软件与Weka的比较分析
有趣的是，该软件的缩写WEKA也是New Zealand独有的一种鸟名，而Weka的主要开发者同时恰好来自New Zealand的the University of Waikato。 而开发者则可使用Java语言，利用Weka的架构上开发出更多的数据挖掘算法。 读者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。 Weka的每月下载次数已超过万次。 Weka和R比较 Weka和R是两个突出的开放源码分析软件系统。这两个都来自学术界，但有不同的目标和重点。 Weka的基础是100％的Java，促进简单集成和部署。Weka提供了技术，广阔的选择数据挖掘和机器学习。R是一个通用的统计环境，拥有设施。Weka无疑是更用户友好，有熟悉点的点击图形用户界面。 所以通常在R中准备好训练的数据（如：提取数据特征……）；整理成Weka需要的格式（*.arff）；在Weka里做机器学习（如：特征选择、分类……）；从Weka的预测结果计算需要的统计量（如：sensitivity
2.4K90发布于 2018-03-13 - 来自专栏PPV课数据科学社区
数据挖掘系列（4）使用weka做关联规则挖掘
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，即属性关系文件格式），arff文件分为注释、关系名 、属性名、数据域几大部分，注释用百分号开头%，关系名用@relation申明，属性用@attribute什么，数据域用@data开头，看这个示例数据集（安装weka后，可在weka的安装目录/data下找到 规则挖取 我们先用标准数据集normalBasket.arff[1]试一下，weka的apriori算法和FPGrowth算法。 [2].weka Apriori算法实例操作详解:http://blog.csdn.net/haosijia929/article/details/5596939 END.
3.1K60发布于 2018-04-23 - 来自专栏奔跑的键盘侠
mac系统下如何将weka导入Eclipse？
WEKA也是新西兰独有的一种鸟名（新西兰秧鸡）。 《人工智能前沿技术》这门课程，涉及到Weka实验，当然也离不开JAVA。 tar -zxvf weka-src.jar -C path # weka-src.jar注意补充完整的路径（可以直接拖拽jar文件到终端，会自动转化成目录，不需要手输）。 在Eclipse下新建工程，命名为weka，在src下新建名为weka的包； 在包weka下（右键），Import-->File System-->选择path/src/main/java/weka，并全部导入 在scr下找到包weka.gui，点开，找到下面的Main.java，运行，可弹出weka的窗口，大功告成！ ? weka是一款很好用的软件，感兴趣的小伙伴可以去b站观看免费教程： 《CC中英字幕 - Weka在数据挖掘中的运用（Data Mining with Weka）》 https://www.bilibili.com
1.2K10发布于 2020-12-14 - 来自专栏ATYUN订阅号
如何下载安装Weka机器学习工作平台
Tonelli 下载Weka 所有版本的Weka都可以从Weka下载网页下载。 选择你要安装的Weka版本，然后访问Weka下载页面，找到并下载你选择的Weka版本。 安装Weka的一体化版本 Weka提供给Windows和Mac OS X一个一体化的安装版本。 此安装包括可用于预测建模的Weka平台以及运行Weka平台所需的Java版本。 Weka提供了一个不包含Java运行时环境的版本下载。 如果你想访问Weka安装时提供的数据文件和文档，我建议你安装Weka。 Weka至少需要安装Java 1.7。 按照提示安装，Weka将被添加到你的程序菜单中。 点击鸟图标启动Weka。 Mac OS X Weka只为OS X准备了一个下载版本。 打开磁盘镜像并将独立版本的Weka（文件夹）拖动到“应用程序”文件夹中。 ? 双击weka.jar文件启动Weka 。 你也可以在命令行中启动Weka。
4.2K50发布于 2018-03-02 - 来自专栏存储公众号：王知鱼
【存储100问】WEKA NeuralMesh：架构、实现与价值
在迁移到WEKA平台后，其关键性能指标（KPI）得到了戏剧性的改善。这些成果不仅证明了WEKA的性能，更重要的是，它们直接指向了AI业务的核心价值——效率和成本。 AMG技术巧妙地将GPU内存扩展到了WEKA的高性能存储网格上，允许模型将庞大的KV Cache存放在WEKA存储中，并在需要时以接近内存的速度高速调取。 WEKA system functionality features | W E K A, accessed on June 28, 2025, https://docs.weka.io/weka-system-overview /about/weka-system-functionality-features Stability AI - WEKA, accessed on June 28, 2025, https://www.weka.io 您认为在CXL硬件普及后，WEKA的软件层将如何进一步演进，以最大化利用解耦内存资源的价值？ WEKA、VAST Data和Pure Storage在AI存储市场采取了不同的战略。
59810编辑于 2025-07-02 - 来自专栏拓端tecdat
weka文本挖掘分析垃圾邮件分类模型
WEKA文本分词预处理 首先对于训练集文件夹中的两类邮件文档进行分析，可从不同角度自动化分析两类文件特征，编写算法，构建分类模型。 WEKA文本分词结果比较 下面得到每个分类器的准确度和混淆矩阵： NaiveBayes 结语 基于判别方法的垃圾邮件过滤在现代研究中引起比较少的关注 ，结果很清楚地表明,基于随机森林、SVM模型的分类方法相对于传统的方法
1K21发布于 2020-09-23 《解锁Weka：数据挖掘实战的得力助手》
Weka作为一款强大的开源数据挖掘工具，为我们提供了丰富的算法和便捷的操作界面，在众多实际项目中发挥着关键作用。接下来，让我们通过具体案例深入了解Weka的应用，并探讨使用过程中的注意事项。 一、Weka在医疗数据分析中的应用某医疗机构希望通过分析患者的病历数据，预测某种疾病的发病风险，以便提前采取干预措施。他们使用Weka进行数据处理和模型构建。 首先，将患者的基本信息、症状、检查结果等数据整理成Weka支持的ARFF格式。利用Weka的预处理功能，对数据进行清洗，去除缺失值和异常值，同时对一些属性进行归一化处理，提升数据质量。 二、Weka在电商用户行为分析中的应用一家电商企业为了提升用户体验和精准营销效果，借助Weka分析用户的浏览、购买行为数据。他们将用户的历史浏览记录、购买商品种类、购买频率等数据导入Weka。 三、使用Weka的注意事项（一）数据格式与预处理Weka主要支持ARFF格式的数据，在导入数据前，务必确保数据正确转换为该格式。数据预处理是关键步骤，直接影响模型的性能。
37800编辑于 2025-01-31- 来自专栏拓端tecdat
维度规约（降维）算法在WEKA中应用
PCA的应用 Weka是数据挖掘任务的机器学习算法集合，它可以直接应用于数据集，也可以从您自己的Java代码中调用.Weka包含数据预处理，分类，回归，聚类，关联规则，可视化，也非常适合开发新的机器学习方案 WEKA中的一个特性是选择属性和降维的工具。其中一个支持的算法是主成分分析。本示例将PCA应用于包含12个相关技术指标的.CSV文件。冗余是导致模型（特别是机器学习模型）过度拟合的数据质量之一。 ? 相关矩阵技术指标 如果我们把它加载到WEKA中，我们将看到数据集的一些基本的描述性统计，包括每个变量（技术指标）的直方图，以及它们的最小值，最大值，平均样本统计量和标准差样本统计量。 ? 在选择属性选项卡中，选择主要组件属性评估器，WEKA将自动选择排序器搜索方法。 ? 点击开始后，WEKA提取前五个主要组件。
1.8K20发布于 2020-07-22 - 来自专栏拓端tecdat
Weka数据挖掘Apriori关联规则算法分析用户网购数据
Weka数据挖掘流程 数据挖掘一般是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程，是一种决策支持过程。 利用WEKA软件，通过实例分析了频繁项集及关联规则生成的过程，采用Apriori算法对数据分别进行了解析挖掘，针对挖掘结果提出了相应的建议，对电商网站的发展有着到重要的现实的意义。 ----
1.3K30编辑于 2023-04-14
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号