机器学习与数据挖掘工具之 WEKA 安装和介绍

文章目录
Weka
Explorer
Experimenter
KnowledgeFlow
Workbench
SimpleCLI
Package Manager
免费课程
Weka
Waikato Environment for Knowledge Analysis是新西兰怀卡托大学开发的一个开源机器学习平台，它使用Java语言编写，提供了一个图形用户界面、命令行接口以及Java API。

Weka集成了数据挖掘任务相关的机器学习算法。这些算法可以直接应用于数据集，或者你也可以自己编写Java代码调用它们。Weka包含各种用于数据预处理、分类、回归、聚类、关联规则以及可视化的工具。它也非常适合用于开发新的机器学习方法。

Weka是开源软件，基于GNU GPL发行。著名的开源商务智能软件Pentaho就是采用Weka作为它的数据挖掘组件。

Weka同时也是一种只在新西兰生存的鸟，它不会飞，但是拥有好奇的天性。

Weka的下载地址为：
https://www.cs.waikato.ac.nz/ml/weka/downloading.html。可以选择相应平台的安装包进行下载。

安装完成后运行Weka，首先显示GUI Chooser界面。

 

选择器界面包含了5个不同的应用，分别是：

Explorer，WEKA中进行数据探索的软件环境。
Experimenter，针对不同的机器学习方法进行实验和统计测试。
KnowledgeFlow，功能和Explorer类似，但是使用拖拽的方式进行操作，同时它还支持增量学习。
Workbench，包含了其他应用的组合，可供用户选择使用。
SimpleCLI，一个简易的命令行接口，可以在不支持命令行的操作系统中直接调用Weka命令。
Explorer
Explorer是Weka的主要图形用户界面，包括预处理、分类、聚类、关联、属性选择以及可视化。

 

Preprocess，预处理，加载数据集，可以进行编辑。
Classify，分类，用于分类或回归的学习方案，执行训练和测试。
Cluster，聚类，数据集的聚类学习。
Associate，关联，学习数据关联规则。
Select attributes，属性选择，选择数据集中最相关的属性。
Visualize，可视化，创建交互式2D散点图。
Experimenter
Experimenter可以用于比较不同的学习方案，选择一组数据集，使用不同的学习算法，运行之后收集性能统计数据，同时可以实现自动化。

 

KnowledgeFlow
KnowledgeFlow允许通过拖曳的方式，按照一定顺序将数据源、预处理工具、学习算法、评估手段和可视化模块的各构件组合在一起，形成数据流。如果选取的过滤器和学习算法具有增量学习功能，可以实现大型数据集的增量分批读取和处理。

 

Workbench
Workbench为其他的界面提供了统一的操作接口。

 

SimpleCLI
SimpleCLI提供了一个简易的命令行接口，可以调用所有的Weka类。

 

Package Manager
从Weka 3.8开始，提供了一个图形化的包管理系统，用于安装和管理扩展包。包管理器位于Weka GUI Chooser的Tools菜单中。

 

免费课程
怀卡托大学在网络上提供了几门关于Weka机器学习和数据挖掘的免费课程，包括Data Mining with Weka，More Data Mining with Weka和Advanced Data Mining with Weka。这些课程的视频也可以通过Youtube查看。
————————————————
版权声明：本文为CSDN博主「不剪发的Tony老师」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/horses/article/details/78924767