weka3.8-README

github_39012302 github_39012302 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 200+累计阅读 235平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄9年
关注
翻译 最新推荐文章于 2026-05-07 08:30:31 发布 235 阅读 AI 写同款· GEO 优化 ›
weka for mac 3.8.2 Weka for mac 3.8.2 Weka 3: Data Mining Software in Java 立即下载

weka3.8-README

=====================================================================
                                                                       
                              ======                                   
                              README                                   
                              ======                                   
                                                                       
                            WEKA 3.8.2
                           22 Dec 2017
                                                                       
                 Java Programs for Machine Learning 

           Copyright (C) 1998-2017  University of Waikato

              web: http://www.cs.waikato.ac.nz/~ml/weka            
                                                                       
=====================================================================

目录

weka3.8-README

1.使用Weka中的一个图形用户界面

2. Weka包和包管理器

3. Weka数据格式（ARFF）

4. 从命令行使用Weka  

- 分类器

- 关联规则

- 过滤器

5.数据库访问

6.实验包

7. Weka手册

8.源代码

9.工作人员

10.提交代码和错误报告

11.版权所有

weka-3-8-2 weka作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。Weka is a collection of machine learning algorithms for data mining tasks. The algorithms can either be applied directly to a dataset or called from your own Java code. Weka contains tools for data pre-processing, classification, regression, clustering, association rules, and visualization. It is also well-suited for developing new machine learning schemes. 立即下载

相关推荐

weka-3-8-2下载exe

weka-3-8-2下载exe

Weka3.8-Readme(一)

1.使用Weka中的一个图形用户界面 这假定您已下载的Weka存档已被解压缩到包含此README的目录中，并且您尚未使用自动安装程序（例如，为Windows提供的安装程序）。 Weka 3.7需要Java 1.6或更高版本。根据您的平台，您可以只需双击weka.jar图标即可运行Weka的图形用户界面。否则，从命令行（假设您在包含weka.jar的目录中），键入 ...

他山之石可以攻玉 790

weka-3-8-2-x64

用于机器学习的weka平台。功能强大，操作简单，易于上手。适合新手进行数据挖掘、机器学习等相关领域的学习。

weka3.8-README(二)

4.从命令行使用Weka 如果要从标准命令行界面使用Weka（例如Linux下的bash）： a）将WEKAINSTALL设置为包含此README的目录。 b）将$ WEKAINSTALL / weka.jar添加到CLASSPATH环境变量中。 c）在Web浏览器中为$ WEKAINSTALL / doc / packages.html添加书签。 或者，您可以尝试使用上面讨论的GUI...

他山之石可以攻玉 695

weka3.8最新版x64（2016）

2016最新版wekax64 加入了很多新的数据挖掘算法

weka3.8软件仅供学习

该软件提供多种人工智能算法，例如神经网络、支持向量机、决策树

weka3.8-README(三)

6. 实验包 支持运行实验，涉及在多个数据集上对数据集的重复随机化评估分类器（除此之外，您可以做更多的事情）。这个类位于weka.experiment包中。基本体系结构是ResultProducer（在数据集的某些随机化上生成结果）将结果发送到ResultListener（它负责声明它是否已经有结果，否则存储结果）。 示例ResultListeners包括： weka.experiment...

他山之石可以攻玉 446

Weka 3.8 官方文档

来自新西兰的特殊关照，在你学习使用Weka的路上助你一臂之力。

Weka学习实验总结

<br />http://blog.sina.com.cn/s/blog_5ae7a1de0100g380.html·Weka学习经验总结三（Weka开发－导入Weka包）2009-07-20Weka学习经验总结三（Weka开发－导入Weka包）...[查看全文 ]·Weka学习经验总结二（聚类算法）2009-07-20Weka学习经验总结二（聚类算法）...[查看全文 ]·Weka学习经验总结一（分类器算法）2009-07-20Weka学习经验总结一（分类器算法）...[查看全文 ]·weka最新版

伏龙的专栏 5002

WEKA3 使用教程

weka使用教程，对于weka初级用户有很好的指导作用，

WEKA完整中文教程 实验教程 入门教程

WEKA完整中文教程 实验教程 入门教程WEKA完整中文教程 实验教程 入门教程

Trainable Weka Segmentation 插件使用指南

Trainable Weka Segmentation 是 Fiji（增强版 ImageJ）中的一个重要插件，用于实现基于机器学习算法的可训练图像分割功能。该项目将机器学习与图像处理领域相结合，提供了一个强大的像素分类框架，支持边缘检测、语义分割以及对象检测与定位等多种应用场景。 ## 项目目录结构 ``` Trainable_Segmentation/ ├── LICENSE.txt

gitblog_00762的博客 1209

WEKA软件使用详细教程

Weka的全名是怀卡托智能分析环境(Waikato Environment for Knowledge Analysis)，是一款免费的，非商业化(与之对应的是SPSS公司商业数据挖掘产品.

java 调用 weka.bat_weka链接数据库的方法(一)

这两天一直在看weka，看到可以连接数据库，一直没有搞明白如何连接，偶然从网上看到了weka中文站，上边有好几篇帖子介绍了如何连接，为了查找方便贴到自己blog中了。发现连接数据库一直是个大问题，记录一下。操作系统：windows xp sp2下载的是weka-3-5-7.zip，直接解压缩。weka-3-5-7目录下有README文件，这里面有一些有用的信息。1、copy oracle的驱动程序...

weixin_36229423的博客 206

RK3568-MIPI屏幕调试实战：LCD初始化时序解析与转换

本文详细解析RK3568平台MIPI屏幕调试中的LCD初始化时序，重点介绍DCS Write与Generic Write数据类型的转换方法，并提供厂家时序到RK格式的实战转换案例。通过理解上电初始化时序的重要性，帮助开发者快速解决屏幕不亮、花屏等常见调试问题，提升RK3568硬件开发效率。

d6e7f8g9h的博客 186

数据分析软件-weka

weka的下载与安装

what_how_why2020的博客 644

告别编译失败：详解Keil MDK中ARM编译器V5与V6的区别及项目迁移选择

本文深入解析Keil MDK中ARM编译器V5与V6的核心差异，提供STM32项目迁移的完整指南。从代码生成策略、优化重点到语法支持，详细对比两版本特性，并给出项目兼容性评估框架和双版本共存配置方案，帮助开发者高效解决编译器版本冲突问题。

weixin_28684757的博客 516

转：Weka使用总结

转自：http://www.shen-wei.cn/shenwei/Class.asp?ID=30 ·Weka学习经验总结三（Weka开发－导入Weka包） 2009-07-20Weka学习经验总结三（Weka开发－导入Weka包）...[查看全文]·Weka学习经验总结二（聚类算法） 2009-07-20Weka学习经验总结二（聚类算法）...[查看全文]·W

wangzuojoe的专栏 1790

Ad hoc网络路由协议概述4——按需路由协议（2）AODV协议 (Ad-hoc on-demand distance vector algorithm protocol)

AODV协议的基本流程。

weixin_42982240的博客 7705

别再被网站识别成机器人了！用Python的undetected_chromedriver+Selenium实现无痕自动化

本文详细介绍了如何利用Python的undetected_chromedriver和Selenium实现无痕自动化，突破现代网站的反爬系统。通过修正浏览器指纹、模拟人类操作行为，并结合实战案例，帮助开发者构建难以被识别的自动化脚本，适用于电商监控等场景。

weixin_30367169的博客 253

被低估的科研神器：这款免费软件让90%的图像处理任务提速10倍

当显微镜下的细胞样本摆在面前，科研人员如何在3分钟内完成精确计数？当面对成百上千张实验图像，如何批量提取关键数据？开源图像处理工具ImageJ给出了答案。这款诞生于1997年的Java软件，至今仍是科研领域的隐形冠军，它不仅免费开源，更能让复杂的图像分析任务变得像使用计算器一样简单。 ## 价值解析：为什么顶尖实验室都在用ImageJ？ 你是否曾为专业图像处理软件的高昂费用而却步？是否经历过为

gitblog_00920的博客 1091

华为开发岗暑期实习笔试（2025年4月16日）

第一题怀疑测试样例不完整，贪心法不应该能够解决该题。第二题使用0-1BFS解决单源最短路径的问题，往往搭配双端队列实现。第三题是运用动态规划解决最大不重叠子区间个数的问题，难点在于满足3重判断规则，所需数据结构及相关操作较多。

csy031117的博客 3661

Java毕业设计----基于Java的情感分析毕业设计

本文介绍了如何使用Java实现一个简单的情感分析系统。我们通过以下步骤完成了整个项目：数据预处理：我们通过清理文本、分词和去除停用词等方法处理了文本数据，为后续的机器学习模型训练做好准备。机器学习模型训练：我们使用了Weka库中的J48决策树算法来进行情感分类。J48是一种基于ID3算法的决策树，它适用于处理文本分类问题。预测与评估：我们对一个测试文本进行了情感预测，并根据模型输出的结果判断该文本的情感是“正面”还是“负面”。模型优化与扩展。

DK22151的博客 1983

【AlphaFold2】深入浅出，讲解Evoformer|学习笔记

本篇博客是围绕youtube德国博主Kilian Mandon()的《从头实现AlphaFold2：AlphaFold Decoded》的第五期视频讲解和note-book内容写成的笔记，加上了自己的理解和对相关概念的解释。上期我们讲解了AlphaFold2的特征提前的部分【AlphaFold2】Feature extraction：提取特征，为模型输入做准备|Datapipeline讲解。本期，我们将介绍AlphaFold2中最为庞大且最为重要的部分——Evoformer。

Yaoyao2024的博客 2015

EMD (经验模态分解) 在 C++ 中的实现指南

EMD 是由 Norden E. Huang 等人在1998年提出的一种适用于非线性和非平稳信号的分析方法。对称性：IMF 的上下包络对称。零交叉点：IMF 的零交叉点数量与极值点数量相同或相差一个。本文详细介绍了如何在C++中实现EMD，包括理论背景、算法步骤、代码实现和优化等内容。通过丰富的代码示例和详细的解释，希望能够帮助读者掌握EMD的基本原理，并能够在实际项目中灵活应用。未来，随着信号处理技术的不断发展，EMD及其变种（如EEMD、CEEMDAN等）将继续在各个领域发挥重要作用。

qq_38334677的博客 1749
上一篇： Ubuntu16.04环境下文件下载
下一篇： Weka3.8-Readme(一)
点赞 0
评论 0
书签 书签 0
github_39012302
github_39012302
博客等级 码龄9年 2粉丝 6原创
+ 关注
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值