weka平台

最新推荐文章于 2024-05-29 10:58:09 发布
转载 最新推荐文章于 2024-05-29 10:58:09 发布 · 298 阅读 · 0 ·
CC 4.0 BY-SA版权
原文链接：http://www.cnblogs.com/XDJjy/p/3639336.html

weka平台界面简介

纵向排列的四个主要功能

1.探索（写自己的代码）

2.实验（比较算法）

3.可视化

4.命令行

1.探索

先将weka-src.jar文件解压到一个文件夹

将文件夹导入到Elipse项目中。

 

 

 

 

按以上提示运行可进入weka主界面

 

2.实验

按英文说明

转载于:https://www.cnblogs.com/XDJjy/p/3639336.html

Weka：Weka是一个开源机器学习平台，它可以运行各种算法，并且提供了良好的交互界面。
AI天才研究院
08-19 2353
作者：禅与计算机程序设计艺术 1.简介 Weka是一款由斯坦福大学开发的一套用于数据挖掘、统计分析和机器学习的Java环境软件包，其独特的基于GUI的交互模型和丰富的插件系统，使得其成为许多数据科学家和学者的首选工具。它的功能覆盖了数据预处理、特征选择、分类、回归、聚类、关联规则、时间序列预测等方面。同
Weka平台使用方法
03-23
Weka的使用方法 一、是将一种学习方法应用于一个数据集，然后分析其输出，从而更多地了解这些数据(分析数 据集的潜在知识)。 二、是使用已学习到的模型对新的实例做出分类预测 三、是应用几种不同的学习器，再根据它们的性能表现选择其中一种用来做预测。 在Weka中将学习方法又称作分类器或学习器，用户可在Weka互动式界面的菜单中选择一种想要的分类器。许多分类器带有可调节的参数，这些参数可通过属性列表或对象编辑器进行更改。所有学习器的性能都是通过一个共同的评估模块进行衡量。 与选择学习器一样，用户也要从菜单中选择能满足或对应该学习器的过滤器（进行数据预处理）。不同的过滤器具有不同的参数。
数据挖掘资料———Weka平台入门
洗头冠军的博客
03-24 739
Weka是来之新西兰怀卡托大学的一款用于数据挖掘的开源软件，主要是数据挖掘方面的一些算法的集合，是一个非常好的开源框架。语言采用Java，可以与eclipse配合使用。 weka官网：https://www.cs.waikato.ac.nz/ml/weka/ weka的安装与入门：慕课第14章 共两个视频。 https://www.icourse163.org/learn/CUG-10035...
Weka数据挖掘平台
weixin_34258782的博客
05-29 138
Explorer:menu selection and form filling 缺点:when you open a dataset, it immediately loads it all in. This means that the Explorer can only be applied to small- to medium-size problems. Knowledge F...
WEKA 数据挖掘可视化分析平台
家家的专栏
11-24 7440
<br />利用WEKA编写数据挖掘算法 　<br />　WEKA是由新西兰怀卡托大学开发的开源项目。WEKA是由JAVA编写的，并且限制在GNU通用公众证书的条件下发布，可以运行在所有的操作系统中。WEKA工作平台包含能处理所有标准数据挖掘问题的方法：回归、分类、聚类、关联规则挖掘以及属性选择。作为数据挖掘爱好者自然要对WEKA的源代码进行分析并以及改进，努力写出自己的数据挖掘算法。下面着重介绍一下如何利用WEKA编写新的数据挖掘算法： 注意：WEKA的版本有两个版本：稳定版(STABLE)和开发版(DE
WEKA平台的安装和使用
最新发布
2201_75606978的博客
05-29 3706
WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），同时weka也是新西兰的一种鸟名，而WEKA的主要开发者来自新西兰。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-3-4-12.rar_SVM in JAVA_weka_weka平台实现
09-23
"weka-3-4-12.rar_SVM in JAVA_weka_weka平台实现" 这个标题表明我们关注的是一个关于在Java环境下使用Weka平台实现支持向量机（SVM）的教程或者项目。Weka是新西兰怀卡托大学开发的一个开源数据挖掘工具，它提供了...
利用WEKA平台提升数据挖掘课程教学效果.pdf
07-14
本文介绍了利用WEKA平台提升数据挖掘课程教学效果的实践与思考。数据挖掘课程是一门综合多学科知识的新技术课程，目前很多高校都开设了该课程。数据挖掘课程的基础理论部分包括数据预处理、关联规则、分类、聚类、...
基于Weka平台的决策树J48算法实验研究.pdf
06-02
本文主要围绕基于Weka平台的J48决策树算法进行实验研究，并与其他常见决策树算法进行比较。 首先，J48算法是在ID3算法基础上的改进。ID3算法以信息熵为基础，选择最优属性来划分数据集，但其对连续属性处理能力有限...
基于Weka平台的机器学习方法探究.pdf
09-24
《基于Weka平台的机器学习方法探究》这篇文章主要探讨了如何利用Weka这一强大的机器学习平台进行数据挖掘和分析。Weka是由新西兰怀卡托大学开发的一款开源软件，它集成了多种主流的数据挖掘算法，包括回归、分类、...
Weka数据挖掘软件简介
05-20
主要介绍了weka的使用方法，weka是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等
机器学习工具类似weka平台ELKI平台
02-12
国外的大牛几乎都是用这个平台做快速的机器学习建模，其中有分类 聚类 异常检测 时间序列算法各种评价标准 确实是一个比较好的平台
基于weka平台的乳腺癌诊断分类研究
01-18
基于数据分析，利用weka软件和决策数原理，对数据进行分析挖掘，根据人体的不同特征信息因素进行分类挖掘。
Weka平台学习
weixin_30737433的博客
02-05 140
链接：http://www.cs.waikato.ac.nz/ml/weka/index.html 一简介： WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），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
sony315的专栏
10-16 705
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。如果想自己实现数据挖掘算法的话，可以看一看weka的接口文档。在weka中集成自己的算法甚至借鉴它的方法自己实现可视
一款数据挖掘软件——WEKA
登登的博客 是温馨的小屋。
07-19 9531
Weka是新西兰怀卡托大学用Java开发的数据挖掘著名开源软件，该系统自1993年开始由新西兰政府资助，至今已经历了20年的发展，其功能已经十分强大和成熟。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。如果想自己实现数据挖掘算法的话，可以看一看WEKA的接口文档。在WEKA中集成自己的算法甚。...
WEKA使用教程(经典教程转载)
paul123456789io的博客
04-13 4571
目录  1. 简介 2. 数据格式 3.数据准备 4. 关联规则（购物篮分析） 5. 分类与回归 6. 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也是新西兰的一种鸟名
eclipse基于weka平台的开发
我的博客
05-08 261
去weka安装包下面解压文件weka-src 在eclipse里面新建工程，改默认目录为解压之后的目录 先测试一下 src/main/java->weka.gui->GUIChooser.java 右键run as, java application 显示为你调用weka时的界面 创建自己的函数 添加包，写java文件 在weka.gui里面找GenericPropertiesCreator.props 在下面的list里面加上自己的包 编译进入weka GUI 然后就可以选择自己的函数对数据.
WEKA平台上的粗糙集Web事务聚类算法研究
"基于WEKA平台的Web事务聚类算法的研究" 本文主要探讨了如何利用WEKA这一开源数据挖掘工具来研究和实现Web事务的聚类算法。Web事务是指用户在浏览网页时的一系列交互行为，如点击、浏览、搜索等，这些数据具有大...
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
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