数据挖掘与机器学习 WEKA应用技术与实践PDF|Epub|txt|kindle电子书版本网盘下载

数据挖掘与机器学习 WEKA应用技术与实践PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 Weka介绍1

1.1 Weka简介2

1.1.1 Weka历史3

1.1.2 Weka功能简介3

1.2 基本概念5

1.2.1 数据挖掘和机器学习5

1.2.2 数据和数据集5

1.2.3 ARFF格式6

1.2.4 预处理7

1.2.5 分类与回归10

1.2.6 聚类分析12

1.2.7 关联分析12

1.3 Weka系统安装13

1.3.1 系统要求13

1.3.2 安装过程14

1.3.3 Weka使用初步16

1.3.4 系统运行注意事项18

1.4 访问数据库24

1.4.1 配置文件25

1.4.2 数据库设置26

1.4.3 常见问题及解决办法27

1.5 示例数据集28

1.5.1 天气问题29

1.5.2 鸢尾花30

1.5.3 CPU31

1.5.4 玻璃数据集32

1.5.5 美国国会投票记录33

1.5.6 乳腺癌数据集33

课后强化练习34

第2章 探索者界面35

2.1 图形用户界面36

2.1.1 标签页简介36

2.1.2 状态栏37

2.1.3 图像输出37

2.1.4 手把手教你用37

2.2 预处理40

2.2.1 加载数据40

2.2.2 属性处理43

2.2.3 过滤器44

2.2.4 过滤器算法介绍46

2.2.5 手把手教你用52

2.3 分类59

2.3.1 分类器选择59

2.3.2 分类器训练61

2.3.3 分类器输出62

2.3.4 分类算法介绍65

2.3.5 分类模型评估79

2.3.6 手把手教你用81

2.4 聚类98

2.4.1 Cluster标签页的操作98

2.4.2 聚类算法介绍99

2.4.3 手把手教你用101

2.5 关联107

2.5.1 Associate标签页的操作107

2.5.2 关联算法介绍108

2.5.3 手把手教你用111

2.6 选择属性117

2.6.1 Select attributes标签页的操作118

2.6.2 选择属性算法介绍119

2.6.3 手把手教你用120

2.7 可视化128

2.7.1 Visualize标签页128

2.7.2 边界可视化工具131

2.7.3 代价收益分析可视化133

2.7.4 手把手教你用134

课后强化练习140

第3章 知识流界面143

3.1 知识流介绍144

3.1.1 知识流特性144

3.1.2 知识流界面布局145

3.2 知识流组件148

3.2.1 数据源148

3.2.2 数据接收器151

3.2.3 评估器155

3.2.4 可视化器156

3.2.5 其他工具158

3.3 使用知识流组件160

3.4 手把手教你用162

课后强化练习181

第4章 实验者界面183

4.1 简介184

4.2 标准实验185

4.2.1 简单实验185

4.2.2 高级实验190

4.2.3 手把手教你用198

4.3 远程实验210

4.3.1 远程实验设置210

4.3.2 手把手教你用213

4.4 分析结果221

4.4.1 获取实验结果221

4.4.2 动作221

4.4.3 配置测试222

4.4.4 保存结果225

4.4.5 手把手教你用225

课后强化练习229

第5章 命令行界面231

5.1 命令行界面介绍232

5.1.1 命令调用233

5.1.2 命令自动完成234

5.2 Weka结构235

5.2.1 类实例和包235

5.2.2 weka.core包236

5.2.3 weka.classifiers包237

5.2.4 其他包238

5.3 命令行选项238

5.3.1 常规选项239

5.3.2 特定选项241

5.4 过滤器和分类器选项242

5.4.1 过滤器选项242

5.4.2 分类器选项245

5.4.3 手把手教你用247

5.5 包管理器252

5.5.1 命令行包管理器252

5.5.2 运行安装的算法254

课后强化练习255

第6章 Weka高级应用257

6.1 贝叶斯网络258

6.1.1 简介258

6.1.2 贝叶斯网络编辑器261

6.1.3 在探索者界面中使用贝叶斯网络269

6.1.4 结构学习270

6.1.5 分布学习272

6.1.6 查看贝叶斯网络273

6.1.7 手把手教你用276

6.2 神经网络286

6.2.1 GUI使用286

6.2.2 手把手教你用289

6.3 文本分类293

6.3.1 文本分类示例294

6.3.2 分类真实文本298

6.3.3 手把手教你用300

6.4 时间序列分析及预测306

6.4.1 使用时间序列环境306

6.4.2 手把手教你用318

课后强化练习326

第7章 Weka API327

7.1 加载数据328

7.1.1 从文件加载数据328

7.1.2 从数据库加载数据329

7.1.3 手把手教你用330

7.2 保存数据335

7.2.1 保存数据至文件335

7.2.2 保存数据至数据库335

7.2.3 手把手教你用336

7.3 处理选项339

7.3.1 选项处理方法339

7.3.2 手把手教你用340

7.4 内存数据集处理341

7.4.1 在内存中创建数据集341

7.4.2 打乱数据顺序345

7.4.3 手把手教你用345

7.5 过滤349

7.5.1 批量过滤350

7.5.2 即时过滤351

7.5.3 手把手教你用351

7.6 分类355

7.6.1 分类器构建355

7.6.2 分类器评估356

7.6.3 实例分类358

7.6.4 手把手教你用359

7.7 聚类370

7.7.1 聚类器构建370

7.7.2 聚类器评估371

7.7.3 实例聚类373

7.7.4 手把手教你用373

7.8 属性选择379

7.8.1 使用元分类器380

7.8.2 使用过滤器380

7.8.3 使用底层API381

7.8.4 手把手教你用381

7.9 可视化384

7.9.1 ROC曲线385

7.9.2 图385

7.9.3 手把手教你用386

7.10 序列化391

7.10.1 序列化基本方法391

7.10.2 手把手教你用392

7.11 文本分类综合示例395

7.11.1 程序运行准备395

7.11.2 源程序分析396

7.11.3 运行说明403

课后强化练习404

第8章 学习方案源代码分析405

8.1 NaiveBayes源代码分析406

8.2 实现分类器的约定427

课后强化练习429

第9章 机器学习实战431

9.1 数据挖掘过程概述432

9.1.1 CRISP-DM过程432

9.1.2 数据预处理433

9.1.3 挖掘项目及工具概述434

9.2 实战KDD Cup 1999434

9.2.1 任务描述435

9.2.2 数据集描述436

9.2.3 挖掘详细过程438

9.3 实战KDD Cup 2010447

9.3.1 任务描述447

9.3.2 数据集描述447

9.3.3 挖掘详细过程450

9.3.4 更接近实际的挖掘过程459

课后强化练习471

附录A 中英文术语对照472

附录B Weka算法介绍476

过滤器算法介绍476

分类算法介绍498

聚类算法介绍526

关联算法介绍530

选择属性算法介绍532

参考文献537