Weka学习笔记02：数据准备

已于 2022-05-08 10:52:22 修改
阅读量1.1k 收藏 3
点赞数
CC 4.0 BY-SA版权
分类专栏： 探索大数据-从Hadoop到Flink 文章标签： csv arff 预处理
于 2022-05-08 08:22:43 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/howard2005/article/details/124643024
这篇博客介绍了如何使用Weka进行数据预处理，包括从CSV转换为ARFF格式，理解数据集属性含义，选择并删除无关属性，以及对数值型属性如age、income和children进行离散化处理，最后保存预处理后的数据。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文章目录

一、下载数据

二、数据格式转换

  • 将bank-data.csv转换成Weka使用的数据格式bank-data.arff
    在这里插入图片描述
  • 查看另存的bank-data.arff文件
    在这里插入图片描述
  • 浏览bank-data.arff
了解本专栏 订阅专栏 解锁全文 超级会员免费看
数据挖掘思维与实战
升级迭代
08-29 982
开篇词 | 掌握数据挖掘，搭上划时代的数字化列车
学习笔记：数据挖掘与机器学习
howard2005的专栏
12-27 6103
数据挖掘，或者说Data Mining，是一个涵盖广泛且充满活力的学术领域，其核心目标在于揭示隐藏在海量数据背后的有价值信息和知识。这一过程涵盖了多种方法和技术，包括但不限于商业智能（BI）、统计分析、大数据处理技术以及市场运营策略。
weka数据准备
诗酒年华
06-02 1007
将matlab中的数组数据保存为weka使用的.arff格式的数据：1：先将matlab中的数组数据保存为.csv格式的数据 matlab命令：csvwrite('filename',matrixname)2：用文本编辑软件打开.csv文件，在第一行添加上各列的属性名，各个属性名之间用逗号分隔3：将.csv格式的数据转换成.arff格式的数据1）打开Weka Gui Chooser，在Tools里
数据准备（data preparation)
qq_48345413的博客
07-13 3867
数据预处理及数据准备 提到数据预处理，首先不得不考虑到pandas库，链接pandas 文章目录数据预处理及数据准备数据准备前置知识数据处理步骤数据预处理实战二、使用步骤1.读入数据创建一个关于所有变量的分散矩阵 数据准备前置知识 数据准备（data preparation) 包括数据清理及数据变形，真实世界的数据是什么样子的？为什么数据清理和数据变形是数据处理流程的不可缺少的一部分呢？ 进行数据处理，我们离不开一个重要的库：pandas 以及数据可视化库：matplotlib pandas常用命令如下
数据挖掘——数据的准备
Mr_right0407的博客
12-02 1024
1、数据的收集 2、数据抽样 ：注意其代表性和随机性 代表性指的是样本与总体的接近程度；随机性反映样本被抽中纯属偶然 例如：在对总体质量状况一无所知的情况下，采用简单随机抽样最为合理；在对总体质量有一定的了解情况下，采用分层随机或系统随机抽样可提高其代表性；而对于简单随机抽样有困难的情况下，可采用随机性和代表性较差的分段随机或整群随机抽样 3、抽样方法 单价段抽样方法 ...
数据挖掘准备
StartUp 专栏
01-26 655
收集大厂的笔试题，进行学习；动手做实验；修改和完善简历； 1.大厂的笔试题 2013百度校园招聘数据挖掘工程师 http://www.cnblogs.com/elaron/p/3325937.html 百度2014校园招聘数据挖掘笔试题 http://yjbys.com/bishi/timu/599335.html 2014 百度笔试 机器学习及数据挖掘 http:/
【学习笔记】山东大学生物信息学-07 数据挖掘（WEKA）
abdslfwoeugp
06-13 1163
7.1 数据库系统 7.2 机器学习 7.3 WEKA 7.3.1 ARFF 文件的格式 7.3.2 ARFF 属性类型与格式转换 7.3.2 数据准备：Explorer 界面介绍 7.3.3 数据预处理 7.3.4 执行挖掘任务
学习笔记之《python数据分析与挖掘实战》第一章数据挖掘基础
提莫君的博客
03-30 1064
文章目录欢迎购买正版书籍第一章数据挖掘基础1.数据挖掘的基本任务2.数据挖掘建模过程定义挖掘目标数据抽样数据探索数据预处理挖掘建模模型评价3. 常见的数据挖掘建模工具 欢迎购买正版书籍 豆瓣评价：Python数据分析与挖掘实战 作者: 张良均 / 王路 / 谭立云 / 苏剑林 出版社: 机械工业出版社 参考源码：《python数据分析与挖掘实战》的代码笔记 第一章数据挖掘基础 1.数据挖掘的基本...
CUIT软件工程期末复习：数据挖掘核心要点
2. 数据挖掘步骤：包括数据准备、数据清洗、数据集成、数据变换、数据挖掘、模式评估和知识表示等。 3. 数据挖掘算法：包括分类、聚类、关联规则、时间序列分析等。 4. 数据挖掘工具：如WEKA、R语言、Python中的...
深度学习-数据准备
最新发布
2201_75762674的博客
07-11 1035
Dataset是一个抽象类，自定义的数据类都要继承于它。它定义了数据集必须实现的方法。这里必须的方法就有两个：（1）__len__:获取数据集的大小；（2）__getitem__ :通过索引访问数据集的样本；还有一个初始化方法：__init__:初始化数据，将需要加载的数据放在这里。步骤：（1）自定义类继承基类Dataset;（2）实现len,getitem方法；（3）通过__init__加载外部数据。（4）创建函数，打印查看结果。
weka基础数据集
10-01
weka自带的数据集，数据挖掘基础需要用到的，可以在weka根目录的data中找到
weka笔记第一讲
08-23
exploring the explorer。Exploring datasets。building a classifier。Using a filter。visualizing your data。
性能测试数据准备
happyfishhappy的博客
01-09 1025
性能测试数据准备
Weka -- 数据格式基本介绍
热门推荐
机器学习与神经网络
12-26 2万+
Weka是什么不多介绍，直接切入正题，简单介绍Weka的数据格式。 Weka存储数据的格式是ARFF(Attribute-Relation File Format)文件,是一种ASCII文本文件。如下例，weka自带的weather.arff文件。 % ARFF file for the weather data with some numric features  %  @relatio
数据分析之数据准备（1-3）
qq_45626019的博客
08-18 584
承接数据分析之数据探索 https://blog.youkuaiyun.com/qq_45626019/article/details/108074152 import pandas as pd import numpy as np housing=pd.read_csv(r"D:\sublime\机器学习\dataset\housing.csv") #按照收入类别进行分层抽样 housing["income_cat"]=np.ceil(housing["median_income"]/1.5) housing["in
数据库基础——数据准备
青铜也王者
09-18 622
任何技术都不能只看不做，编程尤为如此。下面将创建两张表：职员表（emp）和部门表（dept）并插入数据作为接下来的学习之用。
数据准备及预处理
qq_60983016的博客
06-21 747
这部分主要是加载预训练模型和对应的分词器，并进行必要的配置，使其适合用于训练或推断阶段。
weka学习入门笔记
Nieson2012的专栏
01-09 1378
目录  1. 简介 2. 数据格式 3. 数据获取与预处理 3. 关联规则（购物篮分析） 4. 分类与回归 5. 聚类分析 1. 简介  WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），它的源代码可通过http://www.cs.waikato.ac.nz/ml/weka 得到。同时weka也是
机器学习之数据准备
菜鸟朋子的博客
10-03 9785
04 | 数据准备 数据准备阶段包含从原始数据到形成最终数据集（将要被喂给模型工具的数据）的所有操作。数据准备任务可能要进行多次，没有规定的固定顺序。任务包括：表，记录和特征选择以及为了模型工具的数据清洗和转换。 -数据准备是费时间的 纽约时报的一篇文章报道，数据科学家在挖掘出有价值的“金块”之前要花费50%到80%的时间在很多诸如收集数据和准备不规则的数据的普通任务上。混乱的数据是数据科学...
评论
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

打赏作者

酒城译痴无心剑

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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