第10章WEKA數(shù)據(jù)挖掘應(yīng)用ExplorerExplorer2Explorer主界面3Preprocess（數(shù)據(jù)預(yù)處理）載入將要進(jìn)行處理的數(shù)據(jù)，可進(jìn)行適當(dāng)選擇和修改；Classify（分類）建立分類或回歸模型，并進(jìn)行測(cè)試；Cluster（聚類分析）從數(shù)據(jù)中建立聚類模型和結(jié)果；Associate（關(guān)聯(lián)分析）從數(shù)據(jù)中學(xué)習(xí)關(guān)聯(lián)規(guī)則；SelectAttributes（選擇屬性）通過對(duì)數(shù)據(jù)屬性的評(píng)估來選擇數(shù)據(jù)中最相關(guān)的屬性；Visualize（可視化）

查看數(shù)據(jù)的二維散布圖Preprocess·數(shù)據(jù)準(zhǔn)備4WEKAExplorerPreprocessClassifyClusterAssociateSelectAttributesVisualize數(shù)據(jù)準(zhǔn)備數(shù)據(jù)篩選數(shù)據(jù)可視化數(shù)據(jù)載入數(shù)據(jù)生成數(shù)據(jù)編輯數(shù)據(jù)轉(zhuǎn)換5PreProcess預(yù)處理Preprocess（數(shù)據(jù)預(yù)處理）數(shù)據(jù)準(zhǔn)備數(shù)據(jù)篩選數(shù)據(jù)屬性選擇數(shù)據(jù)可視化6Preprocess·數(shù)據(jù)準(zhǔn)備7載入數(shù)據(jù)打開一個(gè)本地?cái)?shù)據(jù)文件支持的格式主要包括：ARFFCSVC4.5JsonbinaryARFF數(shù)據(jù)文件WEKA軟件安裝好后，會(huì)提供一些以ARFF格式存放的實(shí)驗(yàn)數(shù)據(jù)可以在安裝目錄的data文件夾下找到（例如：C:\ProgramFiles\WEKA-3-9\data）8Preprocess·數(shù)據(jù)準(zhǔn)備9請(qǐng)求一個(gè)存有數(shù)據(jù)的URL地址載入數(shù)據(jù)Preprocess·數(shù)據(jù)準(zhǔn)備10從數(shù)據(jù)庫(kù)中讀取數(shù)據(jù)載入數(shù)據(jù)Preprocess·數(shù)據(jù)準(zhǔn)備11從一些數(shù)據(jù)生成器(DataGenerators）中生成隨機(jī)數(shù)據(jù)載入數(shù)據(jù)Preprocess·數(shù)據(jù)準(zhǔn)備數(shù)據(jù)生成生成滿足一定要求的實(shí)驗(yàn)數(shù)據(jù)單擊主界面上的

按鈕(a)數(shù)據(jù)生成的界面(b)選擇數(shù)據(jù)生成算法(c)配置數(shù)據(jù)生成的參數(shù)(d)所生成的數(shù)據(jù)12Preprocess·數(shù)據(jù)準(zhǔn)備13數(shù)據(jù)編輯查看和編輯數(shù)據(jù)Preprocess·數(shù)據(jù)準(zhǔn)備14保存數(shù)據(jù)，可完成數(shù)據(jù)格式轉(zhuǎn)換數(shù)據(jù)轉(zhuǎn)換Preprocess·數(shù)據(jù)準(zhǔn)備15數(shù)據(jù)轉(zhuǎn)換Preprocess·數(shù)據(jù)篩選使用篩選器Filter來對(duì)數(shù)據(jù)進(jìn)行數(shù)據(jù)類型變換數(shù)據(jù)屬性篩選數(shù)據(jù)實(shí)例篩選等等16點(diǎn)擊

Choose按鈕，可選擇某個(gè)Filter，選定的篩選器的名稱顯示在按鈕右側(cè)的文本框中點(diǎn)擊

Apply按鈕完成篩選Preprocess·數(shù)據(jù)可視化1718Classify分類分析Classify（分類分析）決策樹分類貝葉斯分類器Logistic回歸分類人工神經(jīng)網(wǎng)絡(luò)分類支持向量機(jī)分類基于規(guī)則的分類19Classify（分類分析）功能界面選擇算法和參數(shù)設(shè)置測(cè)試選項(xiàng)運(yùn)行結(jié)果列表運(yùn)行結(jié)果細(xì)節(jié)運(yùn)行狀態(tài)20Classify·決策樹分類J4821選擇算法，設(shè)置參數(shù)Classify（J48）參數(shù)v3.8.022binarySplits：設(shè)置是否對(duì)Nominal類型的屬性進(jìn)行二叉分裂；默認(rèn)值為False。collapseTree：設(shè)置是否按照使訓(xùn)練數(shù)據(jù)集上分類誤差(ClassificationError)最小的原則進(jìn)行剪枝。confidenceFactor：設(shè)置用于修剪的置信因子（小于該值導(dǎo)致修剪）；默認(rèn)值為0.25。debug：設(shè)置分類器運(yùn)行時(shí)是否在控制臺(tái)輸出更為詳細(xì)的的信息；默認(rèn)值為False。Donotmakesplitpointactualvalue.minNumObj：設(shè)置決策樹葉結(jié)點(diǎn)的最小實(shí)例數(shù)量，默認(rèn)值為2。numFolds：設(shè)置將數(shù)據(jù)集分為的折數(shù)，其中1折將用于剪枝計(jì)算，剩余的用于生成決策樹，默認(rèn)值為2。reducedErrorPruning：設(shè)置是否使用REP剪枝，而非使用C4.5算法默認(rèn)的EBP剪枝。seed：設(shè)置隨機(jī)數(shù)生成器的種子值。所產(chǎn)生的隨機(jī)數(shù)用于對(duì)REP剪枝所用的數(shù)據(jù)進(jìn)行隨機(jī)排列。useMDLcorrection：設(shè)置確定連續(xù)屬性劃分時(shí)，是否在使用MDL(MinimumDescriptionLength準(zhǔn)則)方法修正。useLaplace：設(shè)置是否基于拉普拉斯平滑來進(jìn)行葉結(jié)點(diǎn)計(jì)數(shù)；默認(rèn)值為False。unpruned：設(shè)置是否不進(jìn)行C4.5算法默認(rèn)的EBP剪枝。saveInstanceData：設(shè)置是否保存訓(xùn)練數(shù)據(jù)，以便后續(xù)進(jìn)行展示；默認(rèn)值為False。subtreeRaising：設(shè)置C4.5的EBP剪枝是否也考慮和評(píng)估子樹上升的修剪方法。TestOptions23Usetrainingset：設(shè)置使用訓(xùn)練數(shù)據(jù)集來對(duì)模型進(jìn)行評(píng)估。Suppliedtestset：設(shè)置使用額外的測(cè)試數(shù)據(jù)集來對(duì)模型進(jìn)行評(píng)估。TestOptions24Cross-validationFolds：設(shè)置使用n折交叉測(cè)試。TestOptions25Percentagesplit：設(shè)置按照一定的百分比將數(shù)據(jù)集劃分為訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集來完成分析。TestOptions26Outputmodel：設(shè)置是否輸出所建立的分類模型。Outputper-classstats：設(shè)置是否輸出測(cè)試結(jié)果中各個(gè)類的統(tǒng)計(jì)信息。Outputentropyevaluatoinmeasures：設(shè)置是否輸出基于熵的評(píng)估指標(biāo)。Outputconfusionmatrix：設(shè)置是否輸出混淆矩陣。Storepredictionsforvisualization：設(shè)置保存預(yù)測(cè)結(jié)果，以便隨后進(jìn)行可視化分析。RandomseedforXVal/%Split：設(shè)置交叉驗(yàn)證和按百分比劃分訓(xùn)練和測(cè)試數(shù)據(jù)集時(shí)，隨機(jī)劃分的種子值。ResultList27Classify·貝葉斯分類器選擇算法，設(shè)置參數(shù)28useKernelEstimator：設(shè)置是否對(duì)于數(shù)值型屬性值使用核概率密度估計(jì)而非使用正態(tài)分布。useSupervisedDiscretization：設(shè)置是否使用帶監(jiān)督的離散化將Numeric屬性值轉(zhuǎn)換為Nominal類型。Classify·貝葉斯分類器查看運(yùn)行結(jié)果29Classify·Logistic回歸分類選擇算法，設(shè)置參數(shù)30ridge：設(shè)置對(duì)數(shù)似然方程的ridge值。useConjugateGradientDescent：設(shè)置是否使用共軛梯度法（而不是BFGS算法）進(jìn)行回歸方程的優(yōu)化求解計(jì)算（對(duì)于多系數(shù)的回歸方程，較為快速）。maxIts：設(shè)置最大迭代次數(shù)。默認(rèn)值為-1，表示不限定。Classify·人工神經(jīng)網(wǎng)絡(luò)分類選擇算法，設(shè)置參數(shù)31Classify·人工神經(jīng)網(wǎng)絡(luò)分類32GUI：設(shè)置是否運(yùn)行時(shí)彈出圖形界面，顯示人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)；默認(rèn)值為False。autoBuild：設(shè)置是否自動(dòng)添加網(wǎng)絡(luò)中的連接和隱層。decay：設(shè)置是否用初始學(xué)習(xí)速率除以迭代次數(shù)來決定當(dāng)前的學(xué)習(xí)速率。hiddenLayers：設(shè)置定義神經(jīng)網(wǎng)絡(luò)的各隱藏層中神經(jīng)處理單元的數(shù)量。learningRate：設(shè)置神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)率。momentum：設(shè)置當(dāng)更新weights時(shí)添加的動(dòng)量nominalToBinaryFilter：設(shè)置是否將nominal值轉(zhuǎn)換為二值的numeric類型。normalizeAttributes：設(shè)置是否對(duì)數(shù)據(jù)進(jìn)行正則化(normalize)處理。normalizeNumericClass：設(shè)置是否對(duì)數(shù)值型分類屬性值進(jìn)行正則化。trainTime：設(shè)置對(duì)網(wǎng)絡(luò)參數(shù)訓(xùn)練的次數(shù)。validationSetSize：設(shè)置測(cè)試數(shù)據(jù)集的大小比例。設(shè)為0表示不運(yùn)用validationThreshold的作用（運(yùn)用trainTime）。validationThreshold：設(shè)置測(cè)試停止條件閾值，為誤差持續(xù)變壞的次數(shù)。reset：設(shè)置是否允許網(wǎng)絡(luò)將學(xué)習(xí)率復(fù)位到較低的值，重新進(jìn)行訓(xùn)練。Classify·支持向量機(jī)分類33Classify·基于規(guī)則的分類3435Cluster聚類分析Cluster聚類分析Kmeans層次聚類DBSCAN36Cluster·Kmeans聚類37Cluster·Kmeans聚類38

設(shè)置最低canopy密度，默認(rèn)值2。如果用canopy聚類方法進(jìn)行初始化，修剪時(shí)的canopy最低密度。設(shè)置修剪周期，默認(rèn)值11。如果用canopy聚類方法進(jìn)行初始化，修剪低密度canopies周期。設(shè)置canopy聚類T1半徑，默認(rèn)值-1.25。設(shè)置canopy聚類T2半徑，默認(rèn)值-1。設(shè)置是否為調(diào)試模式并輸出調(diào)試信息，默認(rèn)值False。設(shè)置是否顯示標(biāo)準(zhǔn)差并統(tǒng)計(jì)標(biāo)稱類型屬性各類別樣本數(shù)目，默認(rèn)值False。設(shè)置距離函數(shù)，默認(rèn)值為EuclideanDistance，或選擇其他距離函數(shù)。設(shè)置是否不檢查適用范圍，默認(rèn)值為False。設(shè)置是否不替換缺失值，默認(rèn)值為False。設(shè)置是否加速距離計(jì)算，默認(rèn)值為False。Kmeans聚類參數(shù)Kmeans聚類參數(shù)39設(shè)置初始化質(zhì)心的方法，默認(rèn)值為Random。還可以設(shè)置為k-means++、canopy、farthestfirst。設(shè)置最大迭代次數(shù)，默認(rèn)值500。設(shè)置簇的數(shù)目，默認(rèn)值為2。設(shè)置運(yùn)算執(zhí)行線程數(shù)，默認(rèn)值為1,。可以設(shè)置為可用CPU的數(shù)目。設(shè)置是否保持實(shí)例的原有順序，默認(rèn)值False。設(shè)置是否減少計(jì)算距離數(shù)目，默認(rèn)值為False，指在進(jìn)行canopy聚類初始化時(shí)，減少計(jì)算距離的數(shù)目。設(shè)置隨機(jī)數(shù)種子，默認(rèn)值為10。Kmeans聚類參數(shù)Cluster·Kmeans聚類40Cluster·層次聚類41Cluster·層次聚類42Cluster·DBSCAN聚類43Cluster·DBSCAN聚類4445Associate關(guān)聯(lián)分析Associate（關(guān)聯(lián)分析）Apriori算法FPGrowth算法46分析過程PreProcess載入數(shù)據(jù)（NormalBasket.ARFF）Associate選擇算法AprioriFPGrowth設(shè)置算法參數(shù)AprioriFPGrowthStart運(yùn)行評(píng)估結(jié)果47NormalBasket.ARFF48940instances11attributesApriori算法參數(shù)49car是否為基于分類屬性的關(guān)聯(lián)分析（需由classIndex指定分類屬性）。classindex指定分類屬性所在的列（-1為最后一列），僅當(dāng)car=True時(shí)有效。delta支持度閾值由upperBoundMinSupport遞減至直至lowerBoundMinSupport或產(chǎn)生了滿足數(shù)量要求的規(guī)則的迭代步長(zhǎng)。doNotCheckCapababilities是否不檢查關(guān)聯(lián)器的適用范圍。lowerBoundMinSupport迭代過程中，支持度閾值下界。默認(rèn)值為0.1。metricType關(guān)聯(lián)規(guī)則度量指標(biāo)類型。可以是置信度Confidence，提升度Lift，杠桿率Leverage，確信度Conviction。minMtric由metricType指定的度量的閾值。numRules要發(fā)現(xiàn)的關(guān)聯(lián)規(guī)則個(gè)數(shù)。outputItemSets是否在運(yùn)行結(jié)果中輸出項(xiàng)集。removeAllMissingCols是否去除均為缺失值的屬性。significanceLevel設(shè)置卡方檢驗(yàn)的顯著性水平。重要性測(cè)試（僅用于置信度）。upperBoundMinSupport支持度閾值上界。從這個(gè)值開始迭代減小支持度閾值。verbose算法是否以冗余模式運(yùn)行。FPGrowth算法參數(shù)50Delta同Apriori算法參數(shù)。doNotCheckCapababilities同Apriori算法參數(shù)。findAllRulesForSupportLevel是否提取滿足支持度閾值和metricType所定義的度量閾值的所有關(guān)聯(lián)規(guī)則。lowerBoundMinSupport同Apriori算法參數(shù)。maxNumberOfIte