「java使用weka」java使用的字符集编码
今天给各位分享java使用weka的知识，其中也会对java使用的字符集编码进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！
本文目录一览：
- 1、从java中调用weka中的分类函数的问题
- 2、java 怎样用导入 weka
- 3、Java怎么执行weka里面的命令行，也就是用Java语句将一个csv文件转换成arff文件，跪求大神~~
- 4、北大青鸟java培训：八个最佳的数据中心开源挖掘工具？
- 5、如何学习在eclipse工程中对weka算法的调用
- 6、如何使用Java Weka开源项目，实现J48决策树、支持向量机算法，在10个UCI数据集上对这两个算法进行性能？
从java中调用weka中的分类函数的问题
详细请见：
你应该在这行 Instances instances = getArffData("E:\\Book2.arff"); // 读入文件
后加入一条语句： instances.setClassIndex(instances.numAttributes() - 1);
You should set class index of for your dataset before passing it into classifier. Your classifier must know which is your outcome variable.
//Rest of your code
loader.setQuery("select * from data_training"); Instances data = loader.getDataSet(); //add this line here
data.setClassIndex(instances.numAttributes() - 1);
//if Hujan is your class attribute(outcome variable)
java 怎样用导入 weka
引入weka的jar就可以了，把jar加到classpath下，用eclipse就，右键点项目名 -- build path -- add external archives 加入相关的jar就可以！！
Java怎么执行weka里面的命令行，也就是用Java语句将一个csv文件转换成arff文件，跪求大神~~
FileReader fr = new FileReader("F:\\我的资料\\数据统计\\myfile.csv");
Instances m_inInstances = new Instances(fr);
DataSink.write("F:\\我的资料\\数据统计\\myfile.arff", m_inInstances);
北大青鸟java培训：八个最佳的数据中心开源挖掘工具？
数据挖掘，又称为资料探勘、数据采矿。
它是数据库知识发现(英语：Knowledge-DiscoveryinDatabases，简称：KDD)中的一个步骤，是一个挖掘和分析大量数据并从中提取信息的过程。
其中一些应用包括市场细分-如识别客户从特定品牌购买特定产品的特征，欺诈检测-识别可能导致在线欺诈的交易模式等。
在本文中，天津电脑培训整理了进行数据挖掘的8个最佳开源工具。
1、WekaWEKA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。
2、RapidMinerRapidMiner是世界领先的数据挖掘解决方案，在一个非常大的程度上有着先进技术。
它数据挖掘任务涉及范围广泛，包括各种数据艺术，能简化数据挖掘过程的设计和评价。
3、OrangeOrange是一个基于组件的数据挖掘和机器学习软件套装，它的功能即友好，又很强大，快速而又多功能的可视化编程前端，以便浏览数据分析和可视化，基绑定了Python以进行脚本开发。
它包含了完整的一系列的组件以进行数据预处理，并提供了数据帐目，过渡，建模，模式评估和勘探的功能。
其由C++和Python开发，它的图形库是由跨平台的Qt框架开发。
4、KnimeKNIME(KonstanzInformationMiner)是一个用户友好，智能的，并有丰演的开源的数据集成，数据处理，数据分析和数据勘探平台。
5、jHepWorkjHepWork是一套功能完整的面向对象科学数据分析框架。
Jython宏是用来展示一维和二维直方图的数据。
该程序包括许多工具，可以用来和二维三维的科学图形进行互动。
6、ApacheMahoutApacheMahout是ApacheSoftwareFoundation(ASF)开发的一个全新的开源项目，其主要目标是创建一些可伸缩的机器学习算法，供开发人员在Apache在许可下免费使用。
该项目已经发展到了它的最二个年头，目前只有一个公共发行版。
Mahout包含许多实现，包括集群、分类、CP和进化程序。
此外，通过使用ApacheHadoop库，Mahout可以有效地扩展到云中。
7、ELKIELKI(EnvironmentforDevelopingKDD-ApplicationsSupportedbyIndex-Structures)主要用来聚类和找离群点。
ELKI是类似于weka的数据挖掘平台，用java编写，有GUI图形界面。
可以用来寻找离群点。
如何学习在eclipse工程中对weka算法的调用
eka是很好用的机器学习库，这里就不详细介绍了。
言归正传，要使用程序方式使用weka，步骤如下：
一、在eclipse里新建一个java project：
1. 建立工程：单击菜单中file-new-java project，在弹出对话框的project name中起任意一个名字，此处假设是wekaTest。单击Finish按钮（在对话框底部）。
2. 建立package：在package Explorer中找到刚才新建的工程，在其上右键-New-package。在Name文本框里面输入名称，此处假设为Test。单击Finish按钮。
3. 建立程序文件：在刚才新建的package上面右键-New-class，选中public static void main(String[] args)多选框，单击Finish。
二、在该工程中添加weka的引用：
1. package Explorer中工程名上右键，选择弹出菜单最后一项properties-在左面选中java Build Path-在右面的Library页面-单击Add External JARs…-浏览weka所在目录，将weka.jar添加进来，然后单击ok。
如何使用Java Weka开源项目，实现J48决策树、支持向量机算法，在10个UCI数据集上对这两个算法进行性能？
public static void Regular() throws Exception {
File inputfile = new File("F:\\weka\\eucalyptus_Train.arff");
ArffLoader loader = new ArffLoader();
loader.setFile(inputfile);
Instances insTrain = loader.getDataSet();
insTrain.setClassIndex(insTrain.numAttributes()-1);
inputfile = new File("F:\\weka\\eucalyptus_Test.arff");
loader.setFile(inputfile);
Instances insTest = loader.getDataSet();
insTest.setClassIndex(insTest.numAttributes()-1);
double sum = insTest.numInstances();
int right = 0;
Classifier clas = new J48();
//Classifier clas = new weka.classifiers.bayes.BayesNet();
clas.buildClassifier(insTrain);
for(int i = 0; i sum; i++) {
if(clas.classifyInstance(insTest.instance(i)) == insTest.instance(i).classValue()) {
right++;
}
System.out.println(clas.classifyInstance(insTest.instance(i))+" : "+insTest.instance(i).classValue());
}
System.out.println("分类准确率："+right/sum);
}
svm的话，要用一个wlsvm的包。 代码是一样的，就是Classifier class= new J48()这里要用svm的实例
java使用weka的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于java使用的字符集编码、java使用weka的信息别忘了在本站进行查找喔。
发布于：2022-12-16，除非注明，否则均为原创文章，转载请注明出处。