WEKA（ developed at the University of Waikato in New Zealand 新西蘭懷卡托大學(xué)） http://www.cs.waikato.ac.nz/~ml/weka/index.html

與此開源項目對應(yīng)的書為《Data Mining Practical Machine Learning Tools and Techniques Second Edition 》，該書下載地址 http://www.itpub.net/showthread.php?s=&threadid=731436 ，另外本書已有中文版《數(shù)據(jù)挖掘，實用機(jī)器學(xué)習(xí)技術(shù)》。

如果想研究里面算法的具體實現(xiàn)，可以用Eclipse調(diào)試。見 http://weka.sourceforge.net/wiki/index.php/Eclipse_3.0.x

Weka 3: Data Mining Software in Java

Weka is a collection of machine learning algorithms for data mining tasks. The algorithms can either be applied directly to a dataset or called from your own Java code. Weka contains tools for data pre-processing, classification, regression, clustering, association rules, and visualization. It is also well-suited for developing new machine learning schemes.

Weka 3：開源的數(shù)據(jù)挖掘軟件（Java）

Weka 是實施數(shù)據(jù)挖掘任務(wù)所需的各種機(jī)器學(xué)習(xí)算法的合集。這些算法既可以直接應(yīng)用到某數(shù)據(jù)集上，也可以在你自己設(shè)計的Java程序調(diào)用它們。Weka 包含了下列工具：數(shù)據(jù)預(yù)處理，分類，回歸，聚類，關(guān)聯(lián)規(guī)則，以及可視化。另外也可以在Weka 的基礎(chǔ)上開發(fā)新的機(jī)器學(xué)習(xí)。

Weka主要致力于classifier and filter algorithms。

以下轉(zhuǎn)載自 http://blog.donews.com/carouter/archive/2005/07/11/462134.aspx

數(shù)據(jù)挖掘終于可以和煩人的代碼們說再見了! Weka，一個不足兩歲的新生兒，讓數(shù)據(jù)挖掘輕松易行，無需編程也能輕松搞定。

?? Weka是基于java，用于數(shù)據(jù)挖掘和知識分析一個平臺。來自世界各地的java愛好者們都可以把自己的算法放在這個平臺上，然后從海量數(shù)據(jù)中發(fā)掘其背后隱藏的種種關(guān)系；也許你只是出于對數(shù)據(jù)的狂熱愛好，但也許你的發(fā)現(xiàn)會蘊(yùn)含著無限的商機(jī)。

? 打開Weka，首先出現(xiàn)一個命令行窗口。原以為要在這個命令行下寫java語句呢，不過稍等一秒，Weka GUIChooser的出現(xiàn)了。這是一個很簡單的窗體，提供四個按鈕：SimpleCLI、Explorer、Experimenter、 KnowledgeFlow。SimpleCLI應(yīng)該是一個使用命令行的界面，有點像SAS的編輯器；Explorer是則是視窗模式下的數(shù)據(jù)挖掘工 具；Experimenter和KnowledgeFlow的使用有待進(jìn)一步摸索....

?? 先打開WekaExlporer感受一下它的強(qiáng)大吧。它有六個標(biāo)簽頁，分別是Preprocess、Classify、Cluster、 Associate、Selectattributes、Visualize。在Preprocess中Open一個數(shù)據(jù)文件(Weka使用的數(shù)據(jù)文件 是.arff，其實是一個文本數(shù)據(jù)集，格式并不復(fù)雜，用notepad打開一看就明白了)。當(dāng)然也可以O(shè)pen URL或Open DB，不過我沒有check一下支持哪些DB。
打開數(shù)據(jù)文件后，可以使用Filter進(jìn)行一下過濾，相當(dāng)于“預(yù)處理的預(yù)處理”。Filter提供了許多算法來過濾數(shù)據(jù)，比如filters/unsupervised/instance/normalize應(yīng)該是一個標(biāo)準(zhǔn)化的算法。當(dāng)然，也可以編寫你自己的算法!
這時窗體上已經(jīng)給出這個數(shù)據(jù)集的一些基本特征了，比如有多少屬性，各屬性的一些簡單統(tǒng)計量，右下方還給出一些可視化效果比如柱狀圖。通過這些可以初步了解這個數(shù)據(jù)集了。但這些都是很直觀的可以看出來，好戲在后頭，隱藏的關(guān)系即將登場。

?? 接下來的兩個標(biāo)簽頁是classify(分類)和cluster(聚類)，接觸數(shù)據(jù)挖掘的人對它們一定不會陌生。同樣Weka有許多分類和聚類算法可供選 擇，在這里面稱為clasifier和clusterer。不過Weka提供的classify功能似乎還不夠靈活，只能定長度和定頻率地分類。但這個關(guān) 系不大，現(xiàn)在很多數(shù)據(jù)處理軟件都可以做到這個，比如excel。Cluster功能強(qiáng)大，提供了許多巧妙的聚類算法，選定一個算法，給出你所需要生成的聚 類數(shù)目，就可以自動完成。當(dāng)然如果能不給出聚類數(shù)目也能自動聚類的話就更佳了，不過我還沒發(fā)現(xiàn)怎么做。

??? Next，終于到偉大的Associate了! 這是一個用于發(fā)掘AssociateRules(關(guān)聯(lián)規(guī)則)的模塊。對商學(xué)略有涉獵的人一定熟知沃爾瑪發(fā)現(xiàn)了啤酒和尿布銷售的關(guān)系這一佳話。有了 WekaAssociate，任何一家超市都可以做到這一點了。將前面導(dǎo)入的數(shù)據(jù)使用Associator進(jìn)行發(fā)掘，就可以發(fā)現(xiàn)其中無數(shù)隱藏的關(guān)系。 Weka-3-4提供了Apriori、PredictiveApriori、Tertius三種關(guān)聯(lián)規(guī)則發(fā)掘算法，不過我感覺這已經(jīng)夠用了。選定一個算 法，進(jìn)行一些必要的設(shè)置，包括支持度上界、下界，每次運(yùn)算的支持度遞減值，等等。另外一個重要的參數(shù)：所需要生成的關(guān)聯(lián)規(guī)則個數(shù)。太不可思議了，以前我們 能從海量數(shù)據(jù)中發(fā)現(xiàn)一個關(guān)聯(lián)規(guī)則就已經(jīng)沾沾自喜，現(xiàn)在Weka居然問你想生成多少關(guān)聯(lián)規(guī)則!
參數(shù)設(shè)置完成，點Start，就可以去喝茶了。不一會，10條關(guān)聯(lián)規(guī)則已經(jīng)生成，可以提交給老板了。當(dāng)然，你還可以分析一下哪些規(guī)則比較有用，哪一條有潛在收益，這就需要business sense了。

??? 另外兩個標(biāo)簽頁還沒怎么看。Selectattributes大概是針對單屬性的分析？Visualize則提供了許多可視化效果，需要拿出去演示時很方便。不過今天使用感覺這個模塊的功能有點問題，沒太搞懂。也有可能是我用錯了。

?? Weka實在是一個偉大的工具。基于java，卻沒有運(yùn)行其它java程序那種慢吞吞的感覺。前天我還在說Data Mining isexcruciating but interesting，有了Weka，Data Mining也可以輕輕松松了!

WEKA介紹