Weka入门2中，如何深入掌握高级数据挖掘技巧？
- 内容介绍
- 文章标签
- 相关推荐
本文共计441个文字，预计阅读时间需要2分钟。
目前，我们介绍使用Weka对数据进行分类。进行数据分类时，我们首先需指定哪一列作为预测类别。由于数据文件格式问题，类别通常位于最后列。我们可以使用`setClassIndex`来实现这一点。
现在我们介绍使用Weka来对数据进行分类。对数据进行分类，我们必须先指定那一列作为预测类别。因为数据文件格式的问题，类别一般都是最后一列属性。我们可以使用setClassIndex现在我们介绍使用Weka来对数据进行分类。对数据进行分类，我们必须先指定那一列作为预测类别。因为数据文件格式的问题，类别一般都是最后一列属性。我们可以使用setClassIndex来设置类别。然后我们要选择分类器，分类器有很多，我们暂时使用J48分类器。对数据进行训练可以使用buildClassifier，然后我们可以用classifyInstance来查看训练数据预测的类别值。当然预测的类别会用数值表示，比如0,1,2....代表预测的值属于第几个类别。例如类别的值为{sunny，rainy}那么0代表sunny，1代表rainy。
本文共计441个文字，预计阅读时间需要2分钟。
目前，我们介绍使用Weka对数据进行分类。进行数据分类时，我们首先需指定哪一列作为预测类别。由于数据文件格式问题，类别通常位于最后列。我们可以使用`setClassIndex`来实现这一点。
现在我们介绍使用Weka来对数据进行分类。对数据进行分类，我们必须先指定那一列作为预测类别。因为数据文件格式的问题，类别一般都是最后一列属性。我们可以使用setClassIndex现在我们介绍使用Weka来对数据进行分类。对数据进行分类，我们必须先指定那一列作为预测类别。因为数据文件格式的问题，类别一般都是最后一列属性。我们可以使用setClassIndex来设置类别。然后我们要选择分类器，分类器有很多，我们暂时使用J48分类器。对数据进行训练可以使用buildClassifier，然后我们可以用classifyInstance来查看训练数据预测的类别值。当然预测的类别会用数值表示，比如0,1,2....代表预测的值属于第几个类别。例如类别的值为{sunny，rainy}那么0代表sunny，1代表rainy。