weka

大数据、数据分析的兴起和火爆，也带动了数据可视化的广泛应用。说起数据分析和可视化的关系，就好比你为一堆散乱的拼图写了一份说明，告诉他这个数据是什么样子，代表什么。可以说，数据可视化虽然不是必不可少的，但却是可以加快效率，为报告锦上添花的。 555.jpg 下面分享几款好用的数据可视化工具给大家，以作参考选择： D3 D3（Data Driven Documents）是支持SVG渲染的另一种Java库。但是D3能够提供大量线性图和条形图之外的复杂图表样式，例如Voronoi图、树形图、圆形集群和单词云等。D3.js是数据驱动文件（Data-Driven Documents）的缩写，他通过使用HTMLCSS和SVG来渲染精彩的图表和分析图。D3对网页标准的强调足以满足在所有主流浏览器上使用的可能性，使你免于被其他类型架构所捆绑的苦恼，它可以将视觉效果很棒的组件和数据驱动方法结合在一起。 DataV 阿里出品的数据可视化解决方案，之所以推荐DataV这个后起之秀，完全是因为淘宝双“11”活动中实时互动大屏幕太抢眼了。DataV支持多种数据源，尤其是和阿里系各种数据库完美衔接，如果你的数据本身就存在阿里云上，那选用DataV肯定是个省时省力的好办法。图表方面，DataV内置了丰富的图表模板，支持实时数据采集和解析。 Echarts 一个纯java的数据可视化库，百度的产品

一、什么是arff格式文件 　　1、arff是Attribute-Relation File Format缩写，从英文字面也能大概看出什么意思。它是weka数据挖掘开源程序使用的一种文件模式。由于weka是个很出色的数据挖掘开源项目，所以使用的比较广，这也无形中推广了它的数据存储格式。 　　2、下面是weka自带的一个arff文件例子（weather.arff） 1 @relation weather 2 3 @attribute outlook {sunny, overcast, rainy} 4 @attribute temperature real 5 @attribute humidity real 6 @attribute windy {TRUE, FALSE} 7 @attribute play {yes, no} 8 9 @data 10 sunny,85,85,FALSE,no 11 sunny,80,90,TRUE,no 12 overcast,83,86,FALSE,yes 13 rainy,70,96,FALSE,yes 14 rainy,68,80,FALSE,yes 15 rainy,65,70,TRUE,no 16 overcast,64,65,TRUE,yes 17 sunny,72,95,FALSE,no 18 sunny,69,70,FALSE

参考文章： https://fracpete.github.io/python-weka-wrapper/install.html 需要将JDK写到环境变量里面去 安装步骤如网站所示。 貌似还需要更新一下pip和setuptools 除此以外： 在javabridge安装时报错，需要在之前再安装一个Cython。 再安装python-weka-wrapper即可。 来源： CSDN 作者： red_west 链接： https://blog.csdn.net/red_west/article/details/104750170

若觉排版不好，可点 这里。 16.6 分类 在WEKA内，分类和回归算法都被称为“分类”，并都位于 weka.classifiers 包中。本节包括以下主题： • 建立一个分类 -批量和增量学习。 • 评价一个分类 -各种评估技术，以及如何获得生成的统计信息。 • 分类实例 -获得未知数据的分类。 WEKA Examples 集合[3]包含分类的示例类，在 wekaexamples.classifiers 包中。 16.6.1 建立分类器 通过设计，WEK中的所有分类器 都可批量分类 ，即，他们对整个数据集在一次训练。这是正常的，如果训练数据装入到内存中。但也有算法，可以运行中更新自己的内部 模型 这些分类器被称为 增量的 。以下两部分覆盖批量和增量的分类器。 批量分类器 建立了一批分类是非常简单的： • 设置选项 -无论是使用 setOptions(String[]) 方法或实际的 set 方法。 • 训练 -提供训练集，调用 buildClassifier(Instances) 。根据定义 buildClassifier(Instances) 方法完全重置内部模型，以确保后续用同一数据调用此方法会得到同一个模型（“重复实验”）。 下面的代码片段用数据集生成未修剪J48： import weka.core.Instances; import weka.classifiers

最近谷歌译员访问很是不顺，翻译只能先放着了 这篇的格式也不调了，每次粘贴过来都要手动调整格式，太累了，也不知是我格式的问题还是OSC博客的问题 看不顺的话可以 点这 ，会好些。 16.2 数据载入 在任何过滤器，分类的聚类器可以应用之前，数据必须存在。Weka能从文件（各种格式的文件）和从数据库中加载数据。在后者的情况下，假定在该数据库连接设置和工作。如何正确配置Weka与JDBC（Java数据库连接）URL的详细信息，请参阅第13章详细说明。 若要使用本节中介绍的功能， wekaexamples.core.converters 包的 WEKA实例 集合有例子。 下面的一些类用于在内存中存储数据： • weka.core.Instances - 拥有一个完整的数据集。这个数据结构是基于行的；单一的行可以通过从0开始索引的instance(int) 方法获得。有关列的信息可以通过attribute(int)方法获得。 此方法返回 weka.core.Attribute对象（见下文）。 • weka.core.Instance。-封装了一个单行。 它基本上是一个双原语数组的包装。因为这个类不包含关于列的类型的任何信息，它总是需要访问 weka.core.Instances 对象（见方法 dataset 和 setDataset 。 weka.core.SparseInstance

16.1 选项处理 配置一个对象，例如一个分类器， 可以通过调用我们想要改变的属性的 get/set 方法来实现，就像搜索者（ Explorer ）做的。或者，如果类实现了 weka.core.OptionHandler 接口，我们就可以通过 setOptions(String[]) 方法使用该对象的能力来解析命令行选项，（对应的方法是 getOptions() ， 其返回一个 String[] 数组）。 这两种方法之间的区别是，不能使用 setOptions(String[]) 方法来递增地设置选项。选项数组中没有明确指定的选项将使用默认值。 最基本的方法是手动汇集（ assemble) String 数组。下面的示例创建一个只包含一个选项 （ “-R” ） 的数组， 它接受一个参数 （ “1” ） 并且使用此选项初始化 Remove 过滤器： import weka.filters.unsupervised.attribute.Remove; ... String[] options = new String[2]; options[0] = "-R"; options[1] = "1"; Remove rm = new Remove(); rm.setOptions(options); 由于 setOptions(String[]) 方法需要一个全面解析，并正确分隔的数组