增量处理模式-数据挖掘工具（Weka 教程）

数据准备（预处理 1） 去除无用属性：删除无意义的属性，如 ID。 离散化：将数值型属性转换为标称型属性，以适合某些算法。例如，将“子女”属性从数值型修改为 {0, 1, 2, 3}。

数据准备 无用属性去除：- 去除无用信息，如 ID。 离散化：- 处理数值型属性，使其符合算法要求（如关联分析）。 例如：“children”属性，修改为 {0,1,2,3}。

配置实验模式、选择结果保存路径、设定实验类型、交叉验证和随机化/未知记录次序的保持方法、迭代控制和实验次数设定、管理数据集及类标、添加和设置分类算法及参数。

在Weka的运行页面，点击“运行”按钮即可开始数据挖掘实验。 实验过程中，系统会实时报告运行情况。 实验结束后，系统会生成一个数据集，其中每条记录对应一次实验，包含所用算法、数据集和性能指标等信息。 Weka的分析功能目前仅限于数值分析和显著性检验，尚不具备可视化分析能力。

本实验通过选择UCI数据集中的样本进行分析，运用三种不同的分类算法，比较它们的性能表现。实验分为12个组，每组选择一个数据集进行研究。分析过程包括文字和图形解释结果，以及两个性能度量的比较，揭示不同算法在实验中的表现差异。

聚类分析是将对象分配到不同的簇中，以使同一簇内的对象相似，不同簇间的对象则不相似。WEKA的“Explorer”界面提供了多种聚类分析工具，包括支持分类属性的K均值算法SimpleKMeans，分类属性的DBSCAN算法DBScan，基于混合模型的EM算法，K中心点算法FathestFirst，基于密度的OPTICS算法，概念聚类算法Cobweb，以及基于信息论的聚类算法sIB。另外，XMeans算法能够自动确定簇的个数，但不支持分类属性。

WEKA，全称为怀卡托智能分析环境，是由新西兰怀卡托大学开发的开源数据挖掘工具。自2005年获得国际数据挖掘与知识探索领域的最高服务奖以来，WEKA已成为数据挖掘和机器学习领域的重要工具。其功能涵盖数据预处理、分类、回归、聚类、关联分析等多个方面，并提供直观的交互式界面，方便用户进行数据可视化操作。本教程详细介绍了WEKA的数据格式、ARFF文件结构、数据准备与预处理、属性选择与特征工程、可视化分析以及分类预测等关键内容。

数据挖掘中的结果分析包括两种模式：非监督模式和监督模式。在非监督模式下，使用SimpleKMeans进行运算，得到迭代次数、SSE和簇中心等结果，同时检验对象的分组信息。监督模式下同样使用SimpleKMeans，得到类/簇混淆矩阵和错误分组的对象比例。此外，对于数值属性，簇中心为均值，分类属性为众数。另一种方法是使用DBScan，同样分为非监督和监督模式，结果包括迭代次数和训练对象的分组信息。图形分析中，勾选“store clusters for visualization”可生成2D散布图，便于可视化类/簇混淆矩阵。

聚类分析是将对象分配到不同的簇中，使得同一簇内的对象相似，而不同簇之间的对象不相似。Weka在“Explorer”界面的“Cluster”提供了多种聚类分析工具，包括支持分类属性的K均值算法（SimpleKMeans）、DBSCAN算法（支持分类属性）、基于混合模型的EM算法、K中心点算法（FarthestFirst）、基于密度的OPTICS算法、概念聚类算法Cobweb、基于信息论的sIB算法以及自动确定簇个数的扩展K均值算法XMeans（不支持分类属性）。