weka是一种机器学习算法的集合，它可以用于分类，预测等。由于weka支持的数据格式是arff或csv的格式，因此在进行weka实验的时候必须进行数据的预处理。一般，我们可以在EXCEL里面导入TXT，然后另存为.CSV格式的文件（这个格式WEKA也是可以识别的），然后打开WEKA，–》TOOL–》 arffviewer中打开刚才的.CSV文件，另存为.arff就OK了！
from: http://blog.163.com/chengli_wang/blog/static/1502216752010228112710952/
分享到：
相关推荐
weka是一款由Waikato大学研究的基于Java 的用于数据挖掘和知识发现的开源项目, 其中集成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、关联规则挖掘、分类、聚类等, 并提供了丰富的可视化功能。...
用于weka初入门学习，银行数据包括600实例，是data-bank.arff 文件，经过csv 处理之后的可经weka使用的文件。-The learn for weka early entry, bank data including 600 instances of the the the data-bank.arff ...
图1 Weka主界面 Weka系统包括处理标准数据挖掘问题的所有方法：回归、分类、聚类、关联规则以及属性选择。分析要进行处理的数据是重要的一个环节，Weka提供了很多用于数据可视化和与处理的工具。输入数据可以有两种...
图1Weka主界面 Weka系统包括处理标准数据挖掘问题的所有方法：回归、分类、聚类、关联规则以及属性选择。分析要进行处理的数据是重要的一个环节，Weka提供了很多用于数据可视化和与处理的工具。输入数据可以有两种...
Weka提供了一个统一界面，可结 合预处理以及后处理方法，将许多不同的学习算法应用于任何所给的数据集，并评估由 不同的学习方案所得出的结果。 三、数据预处理 Weka平台支持ARFF格式和CSV格式的数据。由于本次使用...
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...
由于Weka对arff格式的支持更好，这里我们选择arff格式作为分类器原始 数据的保存格式。 转换方法：在excel中打开"movie_given.xlsx"，选择菜单文件- >另存为，在弹出的对话框中，文件名输入"total_data"，保存类型...
由于Weka对arff格式的支持更好，这里我们选择arff格式作为分类器原始 数据的保存格式。 转换方法：在excel中打开"movie_given.xlsx"，选择菜单文件- >另存为，在弹出的对话框中，文件名输入"total_data"，保存类型...
由于Weka对arff格式的支持更好，这里我们选择arff格式作为分类器原始 数据的保存格式。 转换方法：在excel中打开"movie_given.xlsx"，选择菜单文件- >另存为，在弹出的对话框中，文件名输入"total_data"，保存类型...
Weka分类数据需把excel保存为一个csv文件。 3.2.1 .csv -> .arff 将CSV转换为ARFF最迅捷的办法是使用WEKA所带的命令行工具。 打开weka,之后出现GUI界面，如图1所示： （图1） 点击进入"Exploer"模块，要将.csv 格式...
Weka是怀卡托智能分析环境(Waikato Environment for Knowledge Analysis)的英文字首缩写...功能有数据处理、特征选择、分类、回归、可视化等，支持多种数据文件格式，如arff、xrff、csv等，主流的数据格式是csv和arff。
在运用Weka平台对样本训练和预测时,发现用不同的数据挖掘算法,得到不一样的处理结果。以冲击地压危险程度数据作为样本,利用Weka、Excel和Ultra Edit等软件,分别采用支持向量机,决策树和朴素贝叶斯分类器进行训练和...
数据挖掘:：实验一 WEKA分类 数据已经经过处理 具体实验过程请参考博客：https://bamboo.blog.csdn.net/article/details/105992100
iris4Java 用于学习目的的 iris 数据集的 Java 代码您可以在此处找到有关如何在 Java 中使用 WEKA 库 (weka.jar) 的基本示例。 该代码使用决策树算法（WEKA 中的 C4.5-->J48）对 iris 数据集的实例进行分类。 ...
功能性可用的分类器（分类/回归） 计划聚类器数据生成器筛选器安装创建虚拟环境virtualenv -p /usr/bin/python3.7 venv或者： python3 -m venv venv安装python-weka-wrapper3库，请参见此处的说明： 安装库从来源./...
隐马尔可夫模型的使用与其他分类器不同，因为它们处理数据的时间序列而不是单个数据项。 因此在使用 HMM 之前对 HMM 有一个很好的理解是很重要的，你不能仅仅用它们来代替另一个 Weka 分类器。 关于隐马尔可夫模型...
需要强调的是，在JDMP中，数据处理方法是与数据源分离的，因此，算法和数据可能位于不同的计算机上，并且并行处理变成了可能。然而，分布式计算尚未完全落实，只存在于一个概念证明型版本中。 JDMP主要的优点在于...
压缩包里有TXT和arff两种格式数据均已处理完毕，也可以将数据转为其他格式，用于学习入侵检测和网络态势感知的仿真挺不错，可以直接用weka进行简单的分类预测。