第10章WEKA數(shù)據(jù)挖掘應(yīng)用WEKA簡(jiǎn)介WEKAWEKA的全名是懷卡托智能分析環(huán)境（WaikatoEnvironmentforKnowledgeAnalysis）2WEKA也是新西蘭的一種鳥(niǎo)名WEKAWEKA軟件是新西蘭懷卡托大學(xué)(http://www.waikato.ac.nz)的計(jì)算機(jī)科學(xué)系的機(jī)器學(xué)習(xí)小組用Java開(kāi)發(fā)的機(jī)器學(xué)習(xí)/數(shù)據(jù)挖掘開(kāi)源軟件機(jī)器學(xué)習(xí)小組網(wǎng)址：http://www.cs.waikato.ac.nz/ml/index.html主要項(xiàng)目即為WEKA3WEKA2005年8月，在第11屆ACMSIGKDD國(guó)際會(huì)議上，懷卡托大學(xué)的WEKA小組榮獲了數(shù)據(jù)挖掘和知識(shí)探索領(lǐng)域的最高服務(wù)獎(jiǎng)，WEKA系統(tǒng)得到了廣泛的認(rèn)可，被譽(yù)為數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)歷史上的里程碑，是現(xiàn)今最完備的數(shù)據(jù)挖掘工具之一4目前，WEKA的每月下載次數(shù)已超過(guò)萬(wàn)次WEKAWEKA幾乎可以運(yùn)行在所有操作系統(tǒng)平臺(tái)上，包括Linux、Windows、Macintosh等綜合性數(shù)據(jù)挖掘工具：集數(shù)據(jù)預(yù)處理、學(xué)習(xí)算法（分類(lèi)、回歸、聚類(lèi)、關(guān)聯(lián)分析）和評(píng)估方法等為一體具有交互式可視化界面，提供算法學(xué)習(xí)比較環(huán)境，通過(guò)其提供的接口，可實(shí)現(xiàn)自己的數(shù)據(jù)挖掘算法5WEKA安裝與運(yùn)行目前（2020年），WEKA的最新穩(wěn)定版本為3.8.4，可以進(jìn)入WEKA開(kāi)發(fā)組的下載頁(yè)面，根據(jù)操作系統(tǒng)和使用情況，選擇合適安裝包下載和安裝。WEKA項(xiàng)目組也在進(jìn)行3.9版本的開(kāi)發(fā)和調(diào)試工作，網(wǎng)站也提供WEKA3.9的下載。6WEKA安裝與運(yùn)行下載安裝包：http://www.cs.waikato.ac.nz/ml/index.htmlWEKA需要Java虛擬機(jī)的支持，需事先安裝所需版本的Java虛擬機(jī)。為了用戶方便，WEKA也提供集成了Java虛擬機(jī)安裝程序的安裝包查找下載類(lèi)如WEKA-3-8-0jre(withOracle's32-bitJavaVM1.8).exe進(jìn)行安裝即可安裝完成Java虛擬機(jī)和WEKA軟件7WEKA安裝與運(yùn)行WEKA軟件的代碼是開(kāi)源的，其源代碼獲取可以從http://www.cs.waikato.ac.nz/ml/WEKA/上獲取。安裝完成后，點(diǎn)擊圖標(biāo)即可運(yùn)行WEKA軟件8WEKA安裝與運(yùn)行從WEKA運(yùn)行主界面可以看出，WEKA的主要模塊包括：Explorer探索環(huán)境Experimenter算法試驗(yàn)環(huán)境KnowledgeFlow知識(shí)流環(huán)境Workbench工作臺(tái)SimpleCLI命令行環(huán)境910探索環(huán)境命令行環(huán)境知識(shí)流環(huán)境算法試驗(yàn)環(huán)境WEKA的功能模塊Arff數(shù)據(jù)格式WEKA存儲(chǔ)數(shù)據(jù)的格式是ARFF（Attribute-RelationFileFormat）文件，這是一種ASCII文本文件。寫(xiě)字板打開(kāi)weather.numeric.arff記事本打開(kāi)weather.numeric.arff11Arff數(shù)據(jù)格式注釋以“%”開(kāi)始的行是注釋?zhuān)琖EKA將忽略這些行。關(guān)系聲明關(guān)系名稱定義格式為：@relation<relation-name>屬性聲明定義它的屬性名稱和數(shù)據(jù)類(lèi)型，格式為：@attribute<attribute-name><datatype>WEKA支持的<datatype>有四種，分別是：numeric(數(shù)值型)、nominal(分類(lèi)型）、String(字符串型)、date(日期時(shí)間型)數(shù)據(jù)信息數(shù)據(jù)信息中“@data”標(biāo)記獨(dú)占一行，隨后為各實(shí)例的數(shù)據(jù)。實(shí)例的各屬性值用逗號(hào)“,”隔開(kāi)。如果某個(gè)屬性的值是缺失值（missingvalue），用問(wèn)號(hào)“?”表示，且這個(gè)問(wèn)號(hào)不能省略。12Arff數(shù)據(jù)格式WEKA自帶的“weather.numeric.arff”文件內(nèi)容為13%ARFFfilefortheweatherdatawithsomenumricfeatures%@relationweather@attributeoutlook{sunny,overcast,rainy}@attributetemperaturereal@attributehumidityreal@attributewindy{TRUE,FALSE}@attributeplay{yes,no}@data%14instancessunny,85,85,FALSE,nosunny,80,90,TRUE,noovercast,83,86,FALSE,yesrainy,70,96,FALSE,yesrainy,68,80,FALSE,yesrainy,65,70,TRUE,noovercast,64,65,TRUE,yessunny,72,95,FALSE,nosunny,69,70,FALSE,yesrainy,75,80,FALSE,yessunny,75,70,TR