Weka 简明教程

Weka - Launching Explorer

在本章中，我们来看看 Explorer 为处理大数据提供的各种功能。

当你在 Applications 选择器中单击 Explorer 按钮时，它将打开以下屏幕 −

在顶部，你会看到几个选项卡，如下所示 −

在这些选项卡下，有几个预先实现的机器学习算法。让我们现在详细地研究每个算法。

最初当你打开 Explorer 时，只有 Preprocess 选项卡处于启用状态。机器学习的第一步是预处理数据。因此，在 Preprocess 选项中，你将选择数据文件，处理它并使其适合应用各种机器学习算法。

Classify 选项卡为你提供了用于分类数据的几种机器学习算法。简单列举几个，你可以应用诸如线性回归、逻辑回归、支持向量机、决策树、RandomTree、随机森林、朴素贝叶斯等算法。列表非常详尽，提供了有监督和无监督的机器学习算法。

在 Cluster 选项卡下，提供了多种聚类算法 - 如 SimpleKMeans、FilteredClusterer、HierarchicalClusterer 等。

在 Associate 选项卡下，你会找到 Apriori、FilteredAssociator 和 FPGrowth。

Select Attributes 允许你根据多种算法（如 ClassifierSubsetEval、PrinicipalComponents 等）进行特征选择。

最后， Visualize 选项允许你对处理后的数据进行可视化，以便分析。

正如你所见，WEKA 为测试和构建机器学习应用程序提供了多种开箱即用的算法。为了有效地使用 WEKA，你必须对这些算法、它们的工作原理、在什么情况下选择哪种算法、它们的处理输出中需要注意什么等有深入的了解。简而言之，你必须在机器学习方面有扎实的基础，才能在构建应用程序时有效地使用 WEKA。

在接下来的章节中，你将深入学习资源管理器中的每个选项卡。