海阔凭鱼跃，天高任鸟飞

我实在JDK 的API中复制下来的，以后查着方便一些！ 构造 匹配   字符 x 字符 x \\ 反斜线字符 \0n 带有八进制值 0 的字符 n (0 n 7) \0nn 带有八进制值 0 的字符 nn (0 n 7) \0mnn 带有八进制值 0 的字符 mnn（0 m 3、

1) 数据输入和输出 WOW()：查看Weka函数的参数。 Weka_control()：设置Weka函数的参数。 read.arff()：读Weka Attribute-Relation File Format (ARFF)格式的数据。 write.arff：将数据写入Weka Attribute-Relation File Format (ARFF)格式的文件。 2) 数据预处理

收藏一下！！以后回来查！ 原文：http://blog.youkuaiyun.com/michzel/article/details/6575925

weka是很好用的机器学习库，这里就不详细介绍了。 言归正传，要使用程序方式使用weka，步骤如下： 一、在eclipse里新建一个java project： 1.      建立工程：单击菜单中file->new->java project，在弹出对话框的project name中起任意一个名字，此处假设是wekaTest。单击Finish按钮（在对话框底部）。 2.

1. 下载安装JDK环境 JDK的最新版是6.0了，在这个页面可以找到它的下载 http://java.sun.com/javase/downloads/index.jsp 点击JDK 6之后的Download按钮，转到下载页面。选择Accepct，过一会儿页面会刷新。 我们需要的是这个 Windows Offline Installation, Multi-language jd

Instances ARFF文件 3.5.5和3.4.X版本 从ARFF文件中读取是一个很直接的 import weka.core.Instances; import java.io.BufferedReader; import java.io.FileReader; ... Instances data = new Instances(

PCA （ Principal Component Analysis ， PCA ）是主成分分析，主要 用于数据降维，对于一系列例子的特征组成的多维向量，多维向量里的某些元素本身没有区分性，比如某个元素在所有的例子中都为1，或者与1差距不大，那么这个元素本身就没有区分性，用它做特征来区分，贡献会非常小。所以我们的目的是找那些变化大的元素，即方差大的那些维，而去除掉那些变化不大的维，从而使特征留下的

一、算法简介         TF-IDF（term frequency–inverse document frequency）。         TFIDF的主要思想是：如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。TFIDF实际上是：TF*IDF，TF词频(Term Frequency)，IDF反文档频率(I

1.C4.5算法 分类技术是数据挖掘算法中经常使用的工具。这些系统将一系列案例作为输入，每个案例属于不同的类别。并且，每个案例都有自己的属性值相对应，系统产生一个分类器能够预测一个新的案例的类别。 C4.5算法是ID3算法的扩展，它能够产生用决策树表示的分类器，而且它还可以通过更加容易理解的规则集形式来表示分类器。 2.Kmeans算法 Kmeans算法是一种简单的迭代算法，它能够将给定的