WEKA小结：

  1. 数据预处理

  2. Explorer – Preprocess: 进行数据清洗与转换。

  3. 属性选择

  4. Explorer – Select attributes: 利用属性选择方法优化模型。

  5. 数据可视化

  6. Explorer – Visualize: 制作二维散布图，观察数据分布。

  7. 分类预测

  8. Explorer – Classify: 应用分类算法进行预测。

  9. Experimenter: 比较多个算法的性能，选择最佳方案。

  10. KnowledgeFlow: 支持批量和增量学习模式，方便处理大规模数据。

  11. 关联分析

  12. Explorer – Associate: 寻找数据之间的关系。

  13. 聚类分析

  14. Explorer – Cluster: 将数据分为不同的组，便于分析。