下载文档原格式
WEKA 数据分析实验1.实验简介借助工具Weka 3.6 ，对数据样本进行测试，分类测试方法包括：朴素贝叶斯、决策树、随机数三类，聚类测试方法包括：DBScan，K均值两种；2.数据样本以熟悉数据分类的各类常用算法，以及了解Weka的使用方法为目的，本次试验中，采用的数据样本是Weka软件自带的“Vote”样本，如图：3.关联规则分析1)操作步骤：a)点击“Explorer”按钮，弹出“Weka Explorer”控制界面b)选择“Associate”选项卡；c)点击“Choose”按钮，选择“Apriori”规则d)点击参数文本框框，在参数选项卡设置参数如：e)点击左侧“Start”按钮2)执行结果：=== Run information ===Scheme: weka.associations.Apriori -I -N 10 -T 0 -C 0.9 -D 0.05 -U 1.0 -M 0.5 -S -1.0 -c -1 Relation: voteInstances: 435Attributes: 17handicapped-infantswater-project-cost-sharingadoption-of-the-budget-resolutionphysician-fee-freezeel-salvador-aidreligious-groups-in-schoolsanti-satellite-test-banaid-to-nicaraguan-contrasmx-missileimmigrationsynfuels-corporation-cutbackeducation-spendingsuperfund-right-to-suecrimeduty-free-exportsexport-administration-act-south-africaClass=== Associator model (full training set) ===AprioriMinimum support: 0.5 (218 instances)Minimum metric <confidence>: 0.9Number of cycles performed: 10Generated sets of large itemsets:Size of set of large itemsets L(1): 12Large Itemsets L(1):handicapped-infants=n 236adoption-of-the-budget-resolution=y 253physician-fee-freeze=n 247religious-groups-in-schools=y 272anti-satellite-test-ban=y 239aid-to-nicaraguan-contras=y 242synfuels-corporation-cutback=n 264education-spending=n 233crime=y 248duty-free-exports=n 233export-administration-act-south-africa=y 269Class=democrat 267Size of set of large itemsets L(2): 4Large Itemsets L(2):adoption-of-the-budget-resolution=y physician-fee-freeze=n 219adoption-of-the-budget-resolution=y Class=democrat 231physician-fee-freeze=n Class=democrat 245aid-to-nicaraguan-contras=y Class=democrat 218Size of set of large itemsets L(3): 1Large Itemsets L(3):adoption-of-the-budget-resolution=y physician-fee-freeze=n Class=democrat 219Best rules found:1. adoption-of-the-budget-resolution=y physician-fee-freeze=n 219 ==> Class=democrat 219 conf:(1)2. physician-fee-freeze=n 247 ==> Class=democrat 245 conf:(0.99)3. adoption-of-the-budget-resolution=y Class=democrat 231 ==> physician-fee-freeze=n 219 conf:(0.95)4. Class=democrat 267 ==> physician-fee-freeze=n 245 conf:(0.92)5. adoption-of-the-budget-resolution=y 253 ==> Class=democrat 231 conf:(0.91)6. aid-to-nicaraguan-contras=y 242 ==> Class=democrat 218 conf:(0.9)3)结果分析：a)该样本数据，数据记录数435个，17个属性，进行了10轮测试b)最小支持度为0.5，即至少需要218个实例；c)最小置信度为0.9；d)进行了10轮搜索，频繁1项集12个，频繁2项集4个，频繁3项集1个；4.分类算法-随机树分析1)操作步骤：a)点击“Explorer”按钮，弹出“Weka Explorer”控制界面b)选择“Classify ”选项卡；c)点击“Choose”按钮，选择“trees” “RandomTree”规则d)设置Cross-validation 为10次e)点击左侧“Start”按钮2)执行结果：=== Run information ===Scheme:weka.classifiers.trees.RandomTree -K 0 -M 1.0 -S 1Relation: voteInstances:435Attributes:17handicapped-infantswater-project-cost-sharingadoption-of-the-budget-resolutionphysician-fee-freezeel-salvador-aidreligious-groups-in-schoolsanti-satellite-test-banaid-to-nicaraguan-contrasmx-missileimmigrationsynfuels-corporation-cutbackeducation-spendingsuperfund-right-to-suecrimeduty-free-exportsexport-administration-act-south-africaClassTest mode:10-fold cross-validation=== Classifier model (full training set) ===RandomTreeel-salvador-aid = n| physician-fee-freeze = n| | duty-free-exports = n| | | anti-satellite-test-ban = n| | | | synfuels-corporation-cutback = n| | | | | crime = n : republican (0.96/0)| | | | | crime = y| | | | | | handicapped-infants = n : democrat (2.02/0.01) | | | | | | handicapped-infants = y : democrat (0.05/0)| | | | synfuels-corporation-cutback = y| | | | | handicapped-infants = n : democrat (0.79/0.01)| | | | | handicapped-infants = y : democrat (2.12/0)| | | anti-satellite-test-ban = y| | | | adoption-of-the-budget-resolution = n| | | | | handicapped-infants = n : democrat (1.26/0.01)| | | | | handicapped-infants = y : republican (1.25/0.25)| | | | adoption-of-the-budget-resolution = y| | | | | handicapped-infants = n| | | | | | crime = n : democrat (5.94/0.01)| | | | | | crime = y : democrat (5.15/0.12)| | | | | handicapped-infants = y : democrat (36.99/0.09)| | duty-free-exports = y| | | crime = n : democrat (124.23/0.29)| | | crime = y| | | | handicapped-infants = n : democrat (16.9/0.38)| | | | handicapped-infants = y : democrat (8.99/0.02)| physician-fee-freeze = y| | immigration = n| | | education-spending = n| | | | crime = n : democrat (1.09/0)| | | | crime = y : democrat (1.01/0.01)| | | education-spending = y : republican (1.06/0.02)| | immigration = y| | | synfuels-corporation-cutback = n| | | | religious-groups-in-schools = n : republican (3.02/0.01)| | | | religious-groups-in-schools = y : republican (1.54/0.04)| | | synfuels-corporation-cutback = y : republican (1.06/0.05)el-salvador-aid = y| synfuels-corporation-cutback = n| | physician-fee-freeze = n| | | handicapped-infants = n| | | | superfund-right-to-sue = n| | | | | crime = n : democrat (1.36/0)| | | | | crime = y| | | | | | mx-missile = n : republican (1.01/0)| | | | | | mx-missile = y : democrat (1.01/0.01)| | | | superfund-right-to-sue = y : democrat (4.83/0.03)| | | handicapped-infants = y : democrat (8.42/0.02)| | physician-fee-freeze = y| | | adoption-of-the-budget-resolution = n| | | | export-administration-act-south-africa = n| | | | | mx-missile = n : republican (49.03/0)| | | | | mx-missile = y : democrat (0.11/0)| | | | export-administration-act-south-africa = y| | | | | duty-free-exports = n| | | | | | mx-missile = n : republican (60.67/0)| | | | | | mx-missile = y : republican (6.21/0.15)| | | | | duty-free-exports = y| | | | | | aid-to-nicaraguan-contras = n| | | | | | | water-project-cost-sharing = n| | | | | | | | mx-missile = n : republican (3.12/0)| | | | | | | | mx-missile = y : democrat (0.01/0)| | | | | | | water-project-cost-sharing = y : democrat (1.15/0.14)| | | | | | aid-to-nicaraguan-contras = y : republican (0.16/0)| | | adoption-of-the-budget-resolution = y| | | | anti-satellite-test-ban = n| | | | | immigration = n : democrat (2.01/0.01)| | | | | immigration = y| | | | | | water-project-cost-sharing = n| | | | | | | mx-missile = n : republican (1.63/0)| | | | | | | mx-missile = y : republican (1.01/0.01)| | | | | | water-project-cost-sharing = y| | | | | | | superfund-right-to-sue = n : republican (0.45/0)| | | | | | | superfund-right-to-sue = y : republican (1.71/0.64)| | | | anti-satellite-test-ban = y| | | | | mx-missile = n : republican (7.74/0)| | | | | mx-missile = y : republican (4.05/0.03)| synfuels-corporation-cutback = y| | adoption-of-the-budget-resolution = n| | | superfund-right-to-sue = n| | | | anti-satellite-test-ban = n| | | | | physician-fee-freeze = n : democrat (1.39/0.01)| | | | | physician-fee-freeze = y| | | | | | water-project-cost-sharing = n : republican (1.01/0)| | | | | | water-project-cost-sharing = y : democrat (1.05/0.05)| | | | anti-satellite-test-ban = y : democrat (1.13/0.01)| | | superfund-right-to-sue = y| | | | education-spending = n| | | | | physician-fee-freeze = n| | | | | | crime = n : democrat (0.09/0)| | | | | | crime = y| | | | | | | handicapped-infants = n : democrat (1.01/0.01)| | | | | | | handicapped-infants = y : democrat (1/0)| | | | | physician-fee-freeze = y| | | | | | immigration = n| | | | | | | export-administration-act-south-africa = n : democrat(0.34/0.11)| | | | | | | export-administration-act-south-africa = y| | | | | | | | crime = n : democrat (0.16/0)| | | | | | | | crime = y| | | | | | | | | mx-missile = n| | | | | | | | | | handicapped-infants = n : republican (0.29/0) | | | | | | | | | | handicapped-infants = y : republican (1.88/0.87) | | | | | | | | | mx-missile = y : democrat (0.01/0)| | | | | | immigration = y : republican (1.01/0)| | | | education-spending = y| | | | | physician-fee-freeze = n| | | | | | handicapped-infants = n : democrat (1.51/0.01)| | | | | | handicapped-infants = y : democrat (2.01/0)| | | | | physician-fee-freeze = y| | | | | | crime = n : republican (1.02/0)| | | | | | crime = y| | | | | | | export-administration-act-south-africa = n| | | | | | | | handicapped-infants = n| | | | | | | | | immigration = n| | | | | | | | | | mx-missile = n| | | | | | | | | | | water-project-cost-sharing = n : democrat (1.01/0.01)| | | | | | | | | | | water-project-cost-sharing = y : republican (1.81/0)| | | | | | | | | | mx-missile = y : democrat (0.01/0)| | | | | | | | | immigration = y| | | | | | | | | | mx-missile = n : republican (2.78/0)| | | | | | | | | | mx-missile = y : democrat (0.01/0)| | | | | | | | handicapped-infants = y| | | | | | | | | mx-missile = n : republican (2/0)| | | | | | | | | mx-missile = y : democrat (0.4/0)| | | | | | | export-administration-act-south-africa = y| | | | | | | | mx-missile = n : republican (8.77/0)| | | | | | | | mx-missile = y : democrat (0.02/0)| | adoption-of-the-budget-resolution = y| | | anti-satellite-test-ban = n| | | | handicapped-infants = n| | | | | crime = n : democrat (2.52/0.01)| | | | | crime = y : democrat (7.65/0.07)| | | | handicapped-infants = y : democrat (10.83/0.02)| | | anti-satellite-test-ban = y| | | | physician-fee-freeze = n| | | | | handicapped-infants = n| | | | | | crime = n : democrat (2.42/0.01)| | | | | | crime = y : democrat (2.28/0.03)| | | | | handicapped-infants = y : democrat (4.17/0.01)| | | | physician-fee-freeze = y| | | | | mx-missile = n : republican (2.3/0)| | | | | mx-missile = y : democrat (0.01/0)Size of the tree : 143Time taken to build model: 0.01seconds=== Stratified cross-validation ====== Summary ===Correctly Classified Instances 407 93.5632 %Incorrectly Classified Instances 28 6.4368 %Kappa statistic 0.8636Mean absolute error 0.0699Root mean squared error 0.2379Relative absolute error 14.7341 %Root relative squared error 48.8605 %Total Number of Instances 435=== Detailed Accuracy By Class ===TP Rate FP Rate Precision Recall F-Measure ROC Area Class0.955 0.095 0.941 0.955 0.948 0.966 democrat0.905 0.045 0.927 0.905 0.916 0.967 republicanWeighted Avg. 0.936 0.076 0.936 0.936 0.935 0.966=== Confusion Matrix ===a b <-- classified as255 12 | a = democrat16 152 | b = republican3)结果分析：a)该样本数据，数据记录数435个，17个属性，进行了10轮交叉验证b)随机树长143c)正确分类共407个，正确率达93.5632 %d)错误分类28个，错误率6.4368 %e)测试数据的正确率较好5.分类算法-随机树分析1)操作步骤：a)点击“Explorer”按钮，弹出“Weka Explorer”控制界面b)选择“Classify ”选项卡；c)点击“Choose”按钮，选择“trees” “J48”规则d)设置Cross-validation 为10次e)点击左侧“Start”按钮2)执行结果：=== Run information ===Scheme:weka.classifiers.trees.J48 -C 0.25 -M 2Relation: voteInstances:435Attributes:17handicapped-infantswater-project-cost-sharingadoption-of-the-budget-resolutionphysician-fee-freezeel-salvador-aidreligious-groups-in-schoolsanti-satellite-test-banaid-to-nicaraguan-contrasmx-missileimmigrationsynfuels-corporation-cutbackeducation-spendingsuperfund-right-to-suecrimeduty-free-exportsexport-administration-act-south-africaClassTest mode:10-fold cross-validation=== Classifier model (full training set) ===J48 pruned treephysician-fee-freeze = n: democrat (253.41/3.75)physician-fee-freeze = y| synfuels-corporation-cutback = n: republican (145.71/4.0)| synfuels-corporation-cutback = y| | mx-missile = n| | | adoption-of-the-budget-resolution = n: republican (22.61/3.32)| | | adoption-of-the-budget-resolution = y| | | | anti-satellite-test-ban = n: democrat (5.04/0.02)| | | | anti-satellite-test-ban = y: republican (2.21)| | mx-missile = y: democrat (6.03/1.03)Number of Leaves : 6Size of the tree : 11Time taken to build model: 0.06seconds=== Stratified cross-validation ====== Summary ===Correctly Classified Instances 419 96.3218 %Incorrectly Classified Instances 16 3.6782 %Kappa statistic 0.9224Mean absolute error 0.0611Root mean squared error 0.1748Relative absolute error 12.887 %Root relative squared error 35.9085 %Total Number of Instances 435=== Detailed Accuracy By Class ===TP Rate FP Rate Precision Recall F-Measure ROC Area Class0.97 0.048 0.97 0.97 0.97 0.971 democrat0.952 0.03 0.952 0.952 0.952 0.971 republicanWeighted Avg. 0.963 0.041 0.963 0.963 0.963 0.971=== Confusion Matrix ===a b <-- classified as259 8 | a = democrat8 160 | b = republican3)结果分析：a)该样本数据，数据记录数435个，17个属性，进行了10轮交叉验证b)决策树分6级，长度11c)正确分类共419个，正确率达96.3218 %d)错误分类16个，错误率3.6782 %e)测试结果接近随机数，正确率较高6.分类算法-朴素贝叶斯分析1)操作步骤：a)点击“Explorer”按钮，弹出“Weka Explorer”控制界面b)选择“Classify ”选项卡；c)点击“Choose”按钮，选择“bayes” “Naive Bayes”规则d)设置Cross-validation 为10次e)点击左侧“Start”按钮2)执行结果：=== Stratified cross-validation ====== Summary ===Correctly Classified Instances 392 90.1149 %Incorrectly Classified Instances 43 9.8851 %Kappa statistic 0.7949Mean absolute error 0.0995Root mean squared error 0.2977Relative absolute error 20.9815 %Root relative squared error 61.1406 %Total Number of Instances 435=== Detailed Accuracy By Class ===TP Rate FP Rate Precision Recall F-Measure ROC Area Class0.891 0.083 0.944 0.891 0.917 0.973democrat0.917 0.109 0.842 0.917 0.877 0.973republicanWeighted Avg. 0.901 0.093 0.905 0.901 0.902 0.973 === Confusion Matrix ===a b <-- classified as238 29 | a = democrat14 154 | b = republican3)结果分析a)该样本数据，数据记录数435个，17个属性，进行了10轮交叉验证b)正确分类共392个，正确率达90.1149 %c)错误分类43个，错误率9.8851 %d)测试正确率较高7.分类算法-RandomTree、决策树、朴素贝叶斯结果比较：根据以上对比结果，三类分类算法对样板数据Vote测试准确率类似；。
Maple中文用户手册版本：试用版v0.1编制：Maplesoft China2020年9月20日前言本教程是Maplesoft为广大Maple软件用户编制的入门级使用教程，供大家免费使用和参考。
本教程使用的建模软件是Maple 2020版。
如需申请试用版软件，请登录Maplesoft网站（）申请。
由于水平有限，教程中错误之处在所难免，敬请读者指正！联系邮箱：china@2020年9月20日Maplesoft China目录第一章Maple使用环境 (1)1.1 软件简介 (1)1.2 安装的系统配置要求 (1)1.3 启动Maple软件界面 (1)1.4 新建Maple文件 (2)1.4.1 文件模式 (3)1.4.2 工作表模式 (4)1.4.3 保存文件 (5)1.5 快速参考卡 (6)1.6 函数和函数包的使用 (9)1.7 变量名 (11)1.8 数字格式 (11)1.9 常规运算 (13)1.9.1 数的表示 (14)1.9.2 基本的运算符号 (14)1.9.3 数字运算规则 (14)1.9.4 比较算符 (14)1.9.5 求算式的值 (15)1.9.6 多项式计算 (17)第二章数据结构 (18)2.1 序列(Sequence) (18)2.2 列表(List) (19)2.3 集合(Set) (20)2.4 数组(Array) (21)2.5 矩阵(Matrix) 和向量(Vector) (23)2.6 表(Table) (25)第三章常规的数学计算 (27)3.1 代数 (27)3.2 求方程与不等式 (30)3.3 矩阵计算与线性代数 (32)3.3.1 矩阵计算 (33)3.3.2 矩阵LU分解 (35)3.3.3 矩阵QR分解 (36)3.3.4 大型矩阵的数值计算 (36)3.3.5 线性代数函数列表 (37)3.4 微积分 (43)3.4.1 极限 (43)3.4.2 微分 (44)3.4.3 方向导数 (45)3.4.4 级数 (46)3.4.6 多变量和向量微积分 (47)3.4.7 Student微积分函数包和助教 (48)3.4.8 微积分问题求解示例 (48)3.5 优化 (53)3.5.1 线性规划 (55)3.5.2 非线性规划 (58)3.5.3 最小二乘优化问题 (59)3.5.4 全局优化 (61)3.6 概率论与数理统计 (68)3.6.1 概率分布和随机变量 (69)3.6.2 统计计算 (70)3.6.3 统计图形 (70)3.4.5 积分 (72)3.6.4 Student Statistics学生学习函数包 (73)3.7内置工程及科学常数数据库 (74)3.8 含单位和公差的科学计算 (74)3.8.1 输入单位 (74)3.8.2 国际规范 (75)3.8.3 单位计算 (76)3.8.4 绘图中使用单位 (77)3.8.5 在方程、积分、优化等计算时使用单位 (77)3.9 公差计算 (79)第四章图形和动画 (81)4.1 使用关联菜单绘图 (81)4.2 二维图形和三维图形命令 (82)3.2.1 单变量表达式绘图 (82)3.2.2 函数绘图 (82)3.2.3 两个变量函数的二维图形 (83)3.2.4 两个变量函数的三维图 (83)4.3 plots函数包 (83)3.3.1 多个图形和动画的合并显示 (83)3.2.2 微分方程解的绘图 (85)3.2.3 对数作图 (85)3.2.3 极坐标图 (86)3.3.4 隐函数的极坐标图形 (86)3.3.5 波特图 (87)3.3.6 数据表的绘图 (88)3.3.7 点云图 (88)3.2.8 柱状图 (88)3.2.9 双y轴图形 (89)4.4 提取图形的数据并保存为Excel文件 (90)4.5 动画 (91)第五章数据处理 (92)5.1 导入数据 (92)5.1.1 使用图形化用户界面导入数据文件 (92)5.1.2 使用命令导入Excel文件中的数据 (93)5.2 拟合数据 (94)5.3.1 Fit命令 (95)5.3.2 拟合噪声信号的模型 (98)5.3.3 最小二乘拟合 (100)5.3.4 三维数据的多项式拟合 (102)5.4 提取图形的绘图数据并输出EXCEL文件 (104)第六章微分方程求解 (106)6.1 定义微分方程 (106)6.2 使用dslove命令求解析解和数值解 (107)6.2.1 定义微分方程 (108)6.2.2 求解析解 (108)6.2.3 求数值解 (108)6.2.4求级数解 (109)6.3 微分方程的判定 (110)6.4 求解一阶常微分方程ODE (112)6.5 求解常微分方程组ODEs (115)6.6 求解偏微分方程PDE (117)6.6.1 一个简单的例子 (117)6.6.2 求解热传导方程 (117)6.6.3 求解波动方程 (119)第七章创建计算书 (128)7.1 样式 (128)7.2 创建文件 (130)7.2.1 输入数学和文字 (130)2.2.2 插入图片 (131)7.2.3 插入视频 (131)7.2.4 章节管理 (132)7.2.5 插入表格 (133)7.2.6 输出为PDF文件 (133)7.3 Maple Workbook管理项目中的多个文件 (134)7.3.1 保存为Maple Workbook工作薄文件格式 (135)7.3.2 导航面板 (135)7.3.3 从Workbook读取文件 (136)7.3.4 变量管理器 (137)7.4 文件内容加密 (137)7.5 分享Maple文件 (138)第八章编程 (139)8.1 编写代码的几种方式和工具 (139)8.2 编写Procedures过程程序 (140)8.2.1 编写一个简单的过程程序Procedure (140)8.2.2 一些简单的示例和说明 (143)8.3 条件和循环语句 (146)8.3.1 程序流控制 (146)8.3.2 返回结果: return和error语句 (147)8.4 迭代: for循环和while循环 (148)8.4.1 for/from 循环 (149)8.4.2 for/in 循环 (150)8.4.3 while循环 (150)8.4.4 嵌套循环 (151)8.5 创建一个模块Module (152)8.6 创建一个函数包Package (154)8.7 代码调试和分析 (155)8.7.1 编程习惯：注释 (155)8.7.2 调试 (155)8.7.3 代码分析 (159)第九章图形用户界面GUI应用开发 (162)9.1 常用的GUI组件 (162)9.2 GUI组件操作 (165)9.2.1 插入GUI组件 (165)9.2.2 编辑组件的属性 (166)9.2.3 删除GUI组件 (168)9.2.4 在文件中使用GUI组件 (168)9.3 示例–创建包含GUI组件的文件 (170)第一章Maple使用环境1.1 软件简介Maple软件是1980年由加拿大滑铁卢大学两位教授Keith Geddes和Gaston Gonnet领导的科研小组开发，并以加拿大的国树枫叶（Maple）命名的数学软件。
一、属性选择：1、理论知识：见以下两篇文章：数据挖掘中的特征选择算法综述及基于WEKA的性能比较_陈良龙数据挖掘中约简技术与属性选择的研究_刘辉2、weka中的属性选择2.1评价策略（attribute evaluator）总的可分为filter和wrapper方法，前者注重对单个属性进行评价，后者侧重对特征子集进行评价。
Wrapper方法有：CfsSubsetEvalFilter方法有：CorrelationAttributeEval2.1.1 Wrapper方法：（1）CfsSubsetEval根据属性子集中每一个特征的预测能力以及它们之间的关联性进行评估，单个特征预测能力强且特征子集内的相关性低的子集表现好。
Evaluates the worth of a subset of attributes by considering the individual predictive ability of each feature along with the degree of redundancy between them.Subsets of features that are highly correlated with the class while having low intercorrelation are preferred.For more information see:M. A. Hall (1998). Correlation-based Feature Subset Selection for Machine Learning. Hamilton, New Zealand.（2）WrapperSubsetEvalWrapper方法中，用后续的学习算法嵌入到特征选择过程中，通过测试特征子集在此算法上的预测性能来决定其优劣，而极少关注特征子集中每个特征的预测性能。
因此，并不要求最优特征子集中的每个特征都是最优的。
Weka 学习笔记一、数据格式：以“%”开始的行是注释。
除去注释后，整个ARFF文件可以分为两个部分。
第一部分给出了头信息（Head information），包括了对关系的声明和对属性的声明。
第二部分给出了数据信息（Data information），即数据集中给出的数据。
从“@data”标记开始，后面的就是数据信息了。
1、关系声明:@relation <relation-name>在ARFF文件的第一个有效行来定义。
<relation-name>是一个字符串。
如果这个字符串包含空格，它必须加上引号（指英文标点的单引号或双引号）。
2、属性声明: @attribute <attribute-name> <datatype>声明语句的顺序按照该项属性在数据部分的位置来排。
最后一个声明的属性被称作class属性，在分类或回归任务中，它是默认的目标变量。
<attribute-name>是必须以字母开头的字符串。
和关系名称一样，如果这个字符串包含空格，它必须加上引号。
WEKA支持的<datatype>有四种，分别是：numeric数值型、<nominal-specification>分类型、string字符串型、date [<date-format>日期型。
（1）数值属性：数值型属性可以是整数或者实数，但WEKA把它们都当作实数看待。
（2）分类属性：分类属性由<nominal-specification>列出一系列可能的类别名称并放在花括号中：{<nominal-name1>, <nominal-name2>, <nominal-name3>, ...} 。
例如如下的属性声明说明“outlook”属性有三种类别：“sunny”，“ overcast”和“rainy”:@attribute outlook {sunny, overcast, rainy}如果类别名称带有空格，仍需要将之放入引号中。
APK汉化教程【原创】APK汉化教程【原创】一、基础知识1、APK文件结构1）何为APK？APK是Android Package的缩写，即Android安装包，类似Symbian Sis 或Sisx的文件格式。
通过将APK文件传到Android 模拟器或Android手机中执行即可安装。
和sis一样，apk文件最终把android sdk编译工程通过特殊打包形成一个安装文件，其本质是压缩文件，只是扩展名被修改为apk。
在Android系统安装时，APK程序会被存放在系统默认的APP目录中。
2）APK文件分解一般APK文件的大致结构如下图：我们先来逐个了解这些文件的意义和内容：（1）Manifest 文件AndroidManifest.xml是每个应用都必须定义和包含的，它描述了应用的名字、版本、权限、引用的库文件等信息。
要把apk上传到Google Market上，也要对这个xml做一些配置。
（2）META-INF 目录META-INF目录下存放的是签名信息，用来保证apk包的完整性和系统安全。
在eclipse编译生成一个api包时，会对所有要打包的文件做一个校验计算，并把计算结果放在META-INF 目录下。
而在Android平台上安装apk包时，应用管理器会按照同样的算法对包里的文件做校验，如果校验结果与META-INF下的内容不一致，系统就不会安装这个apk。
这就保证了apk包里的文件不能被随意替换。
比如拿到一个apk 包后，如果想要替换里面的一幅图片，一段代码，或一段版权信息，想直接解压缩、替换再重新打包，基本是不可能的。
如此一来就给病毒感染和恶意修改增加了难度，有助于保护系统的安全。
（3）classes.dex文件classes.dex是java源码编译后生成的java字节码文件。
但由于Android使用的dalvik虚拟机与标准的java虚拟机不兼容，dex文件与class文件相比，不论是文件结构还是opcode都不一样。
如今，Android软件猖ramp。
在“蔬菜市场”中，我们可以看到超过90％的软件是外国软件。
无论是公司还是个人开发，都不可避免地会涉及语言障碍。
当我们心爱的软件不以中文发布时，我们只能忍受“外来代码”带来的麻烦吗？不，实际上我们可以通过打开APK文件resources.arsc文件来实现中文软件，显示所有十六进制代码，然后通过十六进制编码软件将其转换为英文字符，当然，也可以先将16转换为System变成10基本，然后通过ASC II代码表更改为英文字符，但是我相信没有人会选择后者。
然后，我们可以将特定的英语单词翻译成中文。
工具/原材料通过中国开发人员编写的Android中文软件1JDK（Java开发套件）-开发环境WinRAR-压缩软件Android Resedit中文软件步骤/方法下载所需的软件，安装JDK开发环境和Android Resedit中文工具。
适用于Android手机的APK软件中文课程处理APK文件以将其翻译成中文：然后选择需要中文化的APK文件。
此时，该图标已成为压缩文件图像。
右键单击将其解压缩。
最好将其解压缩到一个单独的文件夹中，以便将来进行中文操作。
此时，我们可以看到该文件夹中有两个单独的文件夹和三个文件。
Meta-inf是签名信息，res是与软件相关的图片等，对于我们而言，最重要的文件是resources.arsc。
适用于Android手机的APK软件中文课程中文文本：使用我们提供的Android reesdit中文工具打开解压缩的一个resource.arsc文档。
列表第一栏中的“原始资源”是我们翻译的英语原型，但是应该注意的是，我们不需要将所有英语翻译成中文甚至是所有单词。
我们只需要翻译大写字母开头的单词，其他的就不能翻译成中文，否则我们会犯错误。
您打开APK程序就知道，英语的界面几乎都是大写字母，只有一小部分小写字母。
我只能自己找到这个。
没有经验的用户，在中文化过程中，最好用手机打开APK 程序并与中文版本比较，这会更好。
Weka入门教程3. 分类与回归背景知识WEKA把分类(Classification)和回归(Regression)都放在“Classify”选项卡中，这是有原因的。
在这两个任务中，都有一个目标属性（输出变量）。
我们希望根据一个样本(WEKA 中称作实例)的一组特征（输入变量），对目标进行预测。
为了实现这一目的，我们需要有一个训练数据集，这个数据集中每个实例的输入和输出都是已知的。
观察训练集中的实例，可以建立起预测的模型。
有了这个模型，我们就可以新的输出未知的实例进行预测了。
衡量模型的好坏就在于预测的准确程度。
在WEKA中，待预测的目标（输出）被称作Class属性，这应该是来自分类任务的“类”。
一般的，若Class属性是分类型时我们的任务才叫分类，Class属性是数值型时我们的任务叫回归。
选择算法这一节中，我们使用C4.5决策树算法对bank-data建立起分类模型。
我们来看原来的“bank-data.csv”文件。
“ID”属性肯定是不需要的。
由于C4.5算法可以处理数值型的属性，我们不用像前面用关联规则那样把每个变量都离散化成分类型。
尽管如此，我们还是把“Children”属性转换成分类型的两个值“YES”和“NO”。
另外，我们的训练集仅取原来数据集实例的一半；而从另外一半中抽出若干条作为待预测的实例，它们的“pep”属性都设为缺失值。
经过了这些处理的训练集数据在这里下载；待预测集数据在这里下载。
我们用“Explorer”打开训练集“bank.arff”，观察一下它是不是按照前面的要求处理好了。
切换到“Classify”选项卡，点击“Choose”按钮后可以看到很多分类或者回归的算法分门别类的列在一个树型框里。
3.5版的WEKA中，树型框下方有一个“Filter...”按钮，点击可以根据数据集的特性过滤掉不合适的算法。
我们数据集的输入属性中有“Binary”型（即只有两个类的分类型）和数值型的属性，而Class变量是“Binary”的；于是我们勾选“Binary attributes”“Numeric attributes”和“Binary class”。
大数据导论实验报告
实验一
姓名abc
学号asadsdsa
报告日期
实验一
一．实验目的
1实验开源工具Weka的安装和熟悉；
2.数据理解，数据预处理的实验；
二．实验内容
1.weka介绍
2.数据理解
3.数据预处理
4.保存处理后的数据
三．实验过程
1.导入数据并修改选项
2.用weka.filters.unsupervised.attribute.ReplaceMissingValues处理缺失值
3.用weka.filters.unsupervised.attribute.Discretize离散化第一列数据
4.用weka.filters.unsupervised.instance.RemoveDuplicates删除重复数据
5.用weka.filters.unsupervised.attribute.Discretize离散化第六列数据
6.用weka.filters.unsupervised.attribute.Normalize归一化数据
7.保存数据
四．实验结果与分析
1.数据清理后的对比图，上面的是处理前的图，下图是处理后的图
分析：通过两图对比可发现图一中缺失的数据在图二中已经添加上。
2.离散化第一行后的对比图，图片为离散化之后的效果图
分析：此次处理目标为第一列，可发现处理后‘age’这一列的数据离散化了。
3.删除重复数据之后的效果图
5.离散化第六列后的效果图
分析：此次处理目标为第六列，可清楚看到发生的变化6.归一化后的效果图
此次处理的目标是10,12,13,14列，即将未离散化的数值列进行归一化处理。
汉化基础教程（PGCG汉化小组）目录一.心态篇----------------------------------------------------------------------2二.基础篇（上）-----------------------------------------------------------------4三.基础篇（下）-----------------------------------------------------------------7四.初探篇--------------------------------------------------------------------11五.图形篇--------------------------------------------------------------------15 番外篇*汉化美工教程---------------------------------------------------------20六.文字篇（一）----------------------------------------------------------------27七.文字篇（二）----------------------------------------------------------------30八.文字篇（三）----------------------------------------------------------------35九.文字篇（四）----------------------------------------------------------------41十.文字篇（五）----------------------------------------------------------------45 十一.ＡＳＭ篇----------------------------------------------------------------47 十二.压缩篇------------------------------------------------------------------54 十三.完结篇------------------------------------------------------------------57一心态篇游戏汉化是一个费力又费时的工程，没有游戏厂商的开发源程序，没有固定的某个软件，也没有固定的方式，一切都得靠自己手工劳作。
软件汉化全教程初识资源『资源简介』软件界面上的各种文字、图像、图标等，在编程的时候根据特定的格式分门别类地存放在软件里面，这些特定的格式就叫“资源”(Resource)。
软件资源分为标准资源和非标准资源(简称非标)，标准资源通常可以通过PE类资源查看工具(如：PE Explorer、ResScope等)可视化查看编辑(VB除外)，而非标目前还无法实现可视化预览。
特别注意的是VB程序资源比较特殊，上述分类概念不适用，但汉化人一般把VB窗体汉化器等提取的窗体资源称为标准资源，而通过点睛字符替换器提取的VB字串、Unicode字串和ASCII字串均称为非标。
常见的标准资源通常有Bitmap(位图)、Menu(菜单)、Dialog(对话框)、String(字符串)、RCData(RC-数据)、Cursor(光标)、Accelerator(加速器)、Icon(图标)、Version(版本)、Toolbar(工具栏)、Form(窗体)，其中RC-data多见于Delphi程序中，Form多见于VB程序中。
非标资源主要包括ASCII字串、Unicode字串两大类。
标准资源汉化后，在软件界面或调用信息时显示、但又不出现在上述标准资源中的字串多数属于非标资源。
『汉化资源分布』由于编写软件所使用的编程工具不同，软件中的汉化资源发布位置也不尽相同，常见如下：1.VC类标准资源由Microsoft Visual C++编写，汉化资源一般分布于Menu、Dialog、String等；2.Delphi类标准资源由Borland Delphi编写，汉化资源一般分布在Rcdata和String 中；3.VB类标准资源由Microsoft Visual Basic编写，汉化资源一般出现在Form窗体中；3.非标资源Unicode字串和ASCII字串，后者又可细分为VB字串、Delphi字串和其他ASCII字串。
非标资源不出现标准资源中，需要专门的工具才能提取到。
IntelliJWebStorm2020.3.3最新激活教程附汉化补丁安装教程IntelliJ WebStorm 2020.3.3 激活汉化教程是⼀款专业的HTML编辑⼯具，是JetBrains2019最新更新的版本，在html5和JavaScript ⽅⾯也很出⾊。
可以说是“Web前端开发神器”、“最强⼤的HTML5编辑器”、“最智能的JavaScript IDE”。
新版对JavaScript，TypeScript和CSS⽀持更好，改进了Vue.js的体验，并为Jest集成增加了新功能。
今天脚本⼩编给⼤家分享的是IntelliJ WebStorm 2020.3.3 最新激活补丁和汉化补丁的安装激活教程，此款软件的激活⽐较⿇烦，每个版本激活⽅法都不⼀样，所以⼩编就给⼤家分享了详细的安装激活教程，图⽂并茂，亲测安装。
请使⽤真实有效的激活补丁和汉化补丁安装WebStorm 2020.3.3IntelliJ WebStorm (ws) 2020.3.3 最新激活补丁和汉化补丁附激活教程类型：编程⼯具⼤⼩：350MB语⾔：简体中⽂时间：2021-03-30查看详情安装激活教程1.在下载解压完成后，⼤家将获得WebStorm的激活补丁和汉化补丁，如图2.在安装激活补丁前，先安装软件，如图3.选择安装⽬录，默认⽬录：C:\Program Files\JetBrains\WebStorm 2020.3.3；（⼩编选择的是默认⽬录，便于安装，也有利于快速打开软件。
）4.勾选下图红框内的选择，其他的⼤家可以根据需要选择勾选，如图5.直接next即可，如图6.等待安装完成，如图7.安装完成，先不要运⾏软件，等待安装激活补丁，如图BetterIntelliJ.zip激活补丁+激活码使⽤教程webstorm 2020.3.3最新全家福通⽤补丁下载地址：在安装 JetBrains webstorm前，请⼤家务必先将之前的版本卸载⼲净，卸载完成后，打开“使⽤教程-reset_script⽂件夹，双击运⾏“reset_jetbrains_eval_windows.vbs清理残留⽂件！””。
WEKA 3-5-5 Explorer 用户指南原文版本 3.5.5翻译王娜校对 C6H5NO2Pentaho 中文讨论组QQ 群：12635055论坛：/bipub/index.asp/目录1 启动WEKA (3)Explorer (5)2 WEKA2.1 标签页 (5)2.2 状态栏 (5)按钮 (5)2.3 Log状态图标 (5)2.4 WEKA3 预处理 (6)3.1 载入数据 (6)3.2 当前关系 (6)3.3 处理属性 (7)3.4 使用筛选器 (7)4 分类 (10)4.1 选择分类器 (10)4.2 测试选项 (10)4.3 Class属性 (11)4.4 训练分类器 (11)4.5 分类器输出文本 (11)4.6 结果列表 (12)5 聚类 (13)5.1 选择聚类器（Clusterer） (13)5.2 聚类模式 (13)5.3 忽略属性 (13)5.4 学习聚类 (14)6 关联规则 (15)6.1 设定 (15)6.2 学习关联规则 (15)7 属性选择 (16)7.1 搜索与评估 (16)7.2 选项 (16)7.3 执行选择 (16)8 可视化 (18)8.1 散点图矩阵 (18)8.2 选择单独的二维散点图 (18)8.3 选择实例 (19)参考文献 (20)启动WEKAWEKA中新的菜单驱动的 GUI 继承了老的 GUI 选择器（类 weka.gui.GUIChooser）的功能。
它的MDI（“多文档界面”）外观，让所有打开的窗口更加明了。
这个菜单包括六个部分。
1.Programz LogWindow打开一个日志窗口，记录输出到stdout或stderr的内容。
在 MS Windows 那样的环境中，WEKA 不是从一个终端启动，这个就比较有用。
z Exit关闭WEKA。
2.Applications 列出 WEKA 中主要的应用程序。
z Explorer 使用 WEKA 探索数据的环境。
位图转矢量软件Vector Magic汉化版及中文使用教程它是一个可以自动描募的软件，可以把JPG、BMP、PNG、GIF等位图图像精确地转换为AI可以编辑的矢量格式，并且此软件容易操作，可以以全自动的方式运行转换。
此软件比AI和CDR自带的实时描募和位图转矢量图工具要强大的多。
一、载入图像：可以选择从一个文件夹载入、通过剪贴板载入，最简单的办法是把需要载入的图像直接拖拉到面板上的左边。
二、如果不太熟悉软件，可以在向导界面单击“全自动”按钮，系统会自动计算，然后弹出完成界面。
点击上步的完成按钮，弹出保存页面，可以点击另存按钮保存文件，系统提供了三种文件保存方法：另存、拖放和快速，可另存为AI、DXF、EPS、PDF等格式文件。
三、选择软件“基本”模式，选择这个模式后，要回答几个问题即可。
1、图像类型，有三种选择（1）照片模式：如数码相机获取的人物或风景图像。
（2）制品用混合边：如经过防锯齿处理的图形。
如果不确定类型，可以选择这个。
（3）作品无混合边：图像边缘生硬，指没有经过防锯齿处理的图形。
2、输入质量，也有三种选择（1）高：图像干净、清晰，无噪点。
（2）中：图像有少许噪点，比较的是经过JPEG压缩过的图像。
（3）低：图像不清晰，噪点比较多，或者是扫描分辨率比较低。
*对于一般扫描质量比较好的图，可以选择中等质量。
但在转矢量图之前，必须要在PS 中进行处理。
3、颜色模式也有三种选择（1）两色：比较典型的代表是黑白图像。
（2）自定义颜色：颜色由用户指定。
程序会提供建议的调色板，用户可进行编辑。
（3）多种颜色：使用所有必要的颜色，对有渐变的图像比较好。
*如果选择了（1）或（3）时，程序会直接进行矢量化过程。
但如果选择了自定义颜色，则程序会进入下一步“选择色板”，让用户指定、编辑颜色。
4、选择色板（1）建议的调色板：程序会自动分析，提供建议的色板供用户选择。
并在推荐的调色板前面用双箭头或单箭头标记。
用户还可以使用AddAdditional palette面板来增加另外的色板。
