数据挖掘工具WEKA的介绍与安装
下载地址：http://download.csdn.net/detail/u010372981/8566061 资源下已经有教程以及weka的源代码src文件1. Weka简介
2. Weka的安装和配置
3. Weka的数据格式
4. Weka的使用
Weka的简介
1. Weka是一个开源的软件，它的源代码可以通过http://www.cs.waikato.ac.nz/ml/weka
得到。
2. WEKA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
3. 开发者可以使用Java语言，利用weka的架构开发出更多的数据挖掘相关算法，详情见weka的接口文档
Weka的安装与配置
1. Weka是基于java的，所以请安装JDK，不要问我JDK是什么，另外也不要问我java环境变量怎么配置。
2. 运行weka-3-6-2jre.exe文件安装，图如下：
点击next，图如下：
I Agree，图如下：(如果本机在配置jdk的时候，安装jre，那么就去掉下图中第二个勾 Install JRE)
继续next，图如下，如果不想安装到c盘，请改一下路径：
继续next，图如下，点击install开始安装：
等进度条读取完成，会弹出一个J2SE UPDATE JRE 1.5的安装窗口，选择自定义安装，路径自己选择好直接next安装就可以。
注意：在PATH环境变量下，是要加入jre的路径的，可以查阅网上相关资料
这样安装完成，运行weka.exe文件就可以了，很多人在第一次打开的时候，会报outofmemory错误，找到安装目录下的RunWeka.ini文件以记事本方式打开，将maxheap=128m修改为maxheap=512m就可以，这样jvm的堆大小就够了。
用weka的时候很多时候会去连接数据库，那么下面简单说说配置数据库连接
设置之前，要在weka的程序目录下面新建一个lib目录，将数据库的jar包拷贝进去
新建变量：WEKA_HOME 值：D:\Weka-3-6 这个值就是你weka的安装目录
编辑变量：CLASSPATH 在后面添加：;%WEKA_HOME%\lib\mysql-connector-java-5.1.26-bin.jar;
其实：可以不用新建WEKA_HOME变量，直接在CLASSPATH变量后面加：; D:\Weka-3-6\lib\mysql-connector-java-5.1.26-bin.jar;就可以了，前后对比一下，就知道新建变量WEKA_HOME是用来干什么的了，举一反三，也就知道为什么网上的教程在安装java环境的时候有的人没有新建JAVA_HOME变量了
这样，weka就能找到放在lib文件夹下数据库连接包了，我连接的是mysql数据库，可以选择其他数据库（如oracle：ojdbc14.jar），在以后使用数据库的时候还要去做DatabaseUtils.props文件，该文件当中如何配置，可以去查阅相关资料。
WEKA的数据格式
跟很多电子表格或数据分析软件一样，WEKA所处理的数据集是一个二维的表格，表格里的一个横行称作一个实例（Instance），相当于统计学中的一个样本，或者数据库中的一条记录。竖行称作一个属性（Attribute），相当于统计学中的一个变量，或者数据库中的一个字段。这样的一个表格术语就是数据集。
WEKA存储数据的格式是ARFF（Attribute-RelationFile Format）文件，这是一种ASCII文本文件。WEKA自带的“weather.arff ”文件中，一共有14个实例，5个属性，关系名称为“weather”，如下图：
上图中：以“% ”开始的行是注释，别问我注释是什么。除去注释后，整个ARFF文件可以分为两个部分。第一部分给出了头信息（Head information），包括了对关系声明和对属性的声明。第二部分给出了数据信息（Data information），即数据集中给出的数据，从@data开始，后面的就是数据信息了。
下面说一下上段文字加粗的3个部分
关系声明：在ARFF文件的第一个有效行来定义，格式为 @relation <relation-name>，relationname是一个字符串，如果这个字符串包含空格，它必须加上引号，英文的单引号或双引号。
属性声明：格式为 @attribute<attribute-name> <datatype>，这些语句的顺序很重要，它表明了该项属性在数据部分的位置。最后一个被声明的属性被称做class属性，在分类或者回归任务中，它是默认的目标变量，不要问我什么是分类或者回归，麻烦去看决策树。
Weka支持的<datatype>有四种，分别是数值型，分类型，字符串型，日期和时间型。
数据信息：@data标记独占一行，剩下的是各个实例的数据，每个实例各占一行，实例的各个属性值用都好隔开，如果某个属性的值是缺失的，用问号“？”表示，并且这个问号不能省略。
Weka的使用
运行weka，出现一个小型的GUI，提供了4种操作环境：
CLI：命令行运行模式，偏向直接使用代码；
Explorer：通常功能形(菜单)控制模式，比较接近通用软件的工作方式；
Experimenter：和explorer 类似，大部分操作是相同的，只是支持格式不一样，同时如该名称一样，支持自定义试验。
Knowledgeflow：知识流模式，该模式支持拖动图标，进行“流”感的跟踪；