1.Weka功能简介

功能集中在两个方面：

1. 机器学习算法

2. 数据预处理工具

对数据挖掘的整个过程提供全面支持：

1. 准备输入数据

2. 统计评估学习方案

3. 输入数据和学习效果的可视化

包括处理标准数据挖掘问题的所有方法：

1. 回归

2. 分类

3. 聚类

4. 关联规则

5. 属性选择

两种输入数据的方式：

1. 以ARFF格式为代表的文件

2. 直接读取数据库表

三种使用Weka的方式：

1. 将学习方案应用于某个数据集，然后分析其输出，从而更多的了解这些数据。

2. 使用已经学习到的模型对新实例进行预测。

3. 使用多种学习器，然后根据其性能表现选择其中的一种来进行预测。

提供四种应用程序供用户选择：

1. Explorer(探索者)-他通过选择菜单和填写表单，可以调用Weka的所有功能。缺陷：要求将所需数据全部一次读取进内存，适合处理中小规模的问题。知识流（KnowledgeFlow）改好弥补这一缺陷。

2. KnowledgeFlow（知识流）-可以使用增量方式的算法来处理大型数据集。特点：拖拽学习算法和数据源等图形构件，并以一定的方式和顺序组合在一起。即，按照一定的顺序将代表数据源、预处理工具、学习算法、评估手段和可视化模块的个构件组合在一起，形成数据流。

3. Experimenter(实验者)-自动化测评，实际应用分类和回归技术中，那种方法和参数能取得最佳效果，主要用于比较不同的学习方案，择优。

4. Simple CLI（简单命令行）-直接执行Weka命令。

注意：本文归作者所有，未经作者允许，不得转载