Weka[16] OneR源代码介绍

如何使用Weka进行机器学习和数据挖掘1. 引言机器学习和数据挖掘是当今计算机科学领域中非常热门的技术，它们的应用已经渗透到各个行业。

Weka是一个功能强大且易于使用的开源软件工具，广泛应用于机器学习和数据挖掘任务中。

本文将介绍如何使用Weka进行机器学习和数据挖掘，帮助读者快速上手。

2. 安装与配置Weka是使用Java编写的跨平台软件，可以在Windows、Linux 和Mac OS等操作系统上运行。

首先，从Weka官方网站上下载最新版本的Weka软件包。

下载完成后，按照官方提供的安装指南进行安装。

安装完成后，打开Weka软件，在"Tools"菜单下找到"Package Manager"，确保所有必需的包（例如data-visualization）都已被安装。

3. 数据预处理在进行机器学习和数据挖掘任务之前，通常需要对原始数据进行预处理。

Weka提供了许多强大的工具来处理数据。

首先，可以使用Weka的数据编辑器加载并查看原始数据集。

然后，可以进行数据清洗，包括处理缺失值、异常值和重复数据等。

Weka还提供了特征选择和降维等功能，帮助提取有意义的特征。

4. 分类与回归分类和回归是机器学习中的两个重要任务。

Weka支持多种分类和回归算法，包括决策树、朴素贝叶斯、支持向量机和神经网络等。

在Weka主界面中，选择"Classify"选项卡，选择相应的算法，并配置参数。

然后，可以使用已经预处理的数据集进行模型训练和测试。

Weka提供了丰富的性能评估指标和可视化工具，帮助分析模型的效果。

5. 聚类分析聚类是一种无监督学习方法，用于将样本划分到不同的组或簇中。

Weka提供了各种聚类算法，如K均值、层次聚类和基于密度的聚类。

在Weka主界面中，选择"Cluster"选项卡，选择相应的算法，并配置参数。

然后，使用预处理的数据集进行聚类分析。

Weka开发［21］——IBk(KNN)源代码分析如果你没有看上一篇IB1，请先看一下，因为重复的内容我在这里不会介绍了。

直接看buildClassifier，这里只列出在IB1中也没有出现的代码：try {m_NumClasses = instances.numClasses();m_ClassType = instances.classAttribute().type(); } catch (Exception ex) {throw new Error("This should never be reached"); }// Throw away initial instances until within the specified window sizeif ((m_WindowSize > 0) &&(instances.numInstances() > m_WindowSize)) {m_Train = new Instances(m_Train,m_Train.numInstances()- m_WindowSize, m_WindowSize);}// Compute the number of attributes that contribute// to each predictionm_NumAttributesUsed = 0.0;for (int i = 0; i < m_Train.numAttributes(); i ) {if ((i != m_Train.classIndex())&& (m_Train.attribute(i).isNominal() || m_Train.attribute(i).isNumeric())) {m_NumAttributesUsed = 1.0;}}// Invalidate any currently cross-validation selected km_kNNValid = false;IB1中不关心m_NumClasses是因为它就找一个邻居，当然就一个值了。

Weka[25] Bagging源代码分析作者：Koala++/屈伟先翻译一段Bagging地介绍，Breiman地bagging算法，是bootstrap aggregating地缩写，是最早地Ensemble算法之一，它也是最直接容易实现，又有着另人惊讶地好效果地算法之一.Bagging中地多样性是由有放回抽取训练样本来实现地，用这种方式随机产生多个训练数据地子集，在每一个训练集地子集上训练一个同种分类器，最终分类结果是由多个分类器地分类结果多数投票而产生地.Breiman’s bagging, short for bootstrap aggregating, is one ofthe earliest ensemble based algorithms. It is also one of the most intuitive and simplest to implement, with a surprisingly good performance . Diversity in bagging is obtained by using bootstrapped replicas of the training data: different training data subsets are randomlydrawn—with replacement—from the entire training data. Each training data subset is used totrain a different classifier of the same type. Individual classifiers are then combined by taking a majority vote of their decisions. For any given instance, the class chosen by most classifiers is the ensemble decision.Bagging 类在weka.classifiers.meta 包下面. Bagging 继承自RandomizeableInteratedSingleClassifierEnhancer，而它又继承自IteratedSingleClassifierEnhancer，它再继承自SingleClassifierEnhancer，最后一个继承自Classifier.我地UML工具似乎过期了，有空补上.看一下构造函数：public Bagging() {m_Classifier = new weka.classifiers.trees.REPTree();rqyn1。

WEKA介绍一、数据格式理解数据格式后，就可以完全控制数据预处理过程。

1.1 ARFF格式1.relation, string, data这些内置关键字无所谓大小写，使用string.equalsIgnoreCase()方法匹配字符串。

但数据值严格区分大小写。

2.weka只解析4中数据类型：字符串、数值、枚举、日期。

3.数值型标志numeric、integer、real完全同义。

4.枚举类型无关键字，直接花括号扩住所有枚举值。

5.日期类型的格式字符串不指定，则默认使用“yyyy-MM-dd'T'HH:mm:ss"（2011-06-10T00:00:00）。

6.缺失值用半角问号表示? ，不认识NULL。

7.解析arff过程并非逐行读取数据，而是使用java.io.StreamTokenizer 。

所以string，nominal如果值内没有空格，则不需要用引号包括。

空行随便加。

1.2 CSV格式1.weka对待csv格式的文件比较粗暴，对第一行指定的属性，假定是数值型，然后在后续读取对应的数据时，尝试解析数值，如果某一个解析失败，就将该属性重新标记为枚举型（无string、date）；如果全部数据都能解析成数值，就认为该属性是数值型。

1.3 Arff Viewer界面：GUI Chooser > Tools > Arff Viewer[界面截图略]作用：以表格形式显示数据。

并可对数据初步处理。

点击表头对数据排序（单击正序排列、shift+单击逆序排列），然后处理噪声值。

对特别大或特别小的数据，手动改为均值（右键表头> get mean）或缺失值(将值删除为空)。

注：csv格式的解析方式是内置的，属性被认为是数值还是枚举，在这里不能更改。

二、数据理解2.1 数据集概览界面：GUI Chooser > Explorer按钮> Preprocess面板作用：1、单属性统计信息浏览。