Weka中的C4#46;5使用.pdfVIP

Weka 中 C4.5 的使用 林联锋 0809853F-II20-0014 2008-10-16 一、C4.5 以及Weka 的介绍1 二、Weka 的分类功能的使用2 2.1 、Weka界面简介2 2.2 、Weka接受的数据格式3 2.3 、Weka分类实例演示5 2.3.1 、数据准备5 2.3.2 、训练分类器6 2.3.3 、建模结果10 2.3.4 、模型运用12 三、总结14 四、附件：14 一、C4.5 以及Weka 的介绍 由于 ID3 算法在实际应用中存在一些问题，于是 Quilan 提出了 C4.5 算法，严格上说 C4.5 只能是ID3 的一个改进算法。 C4.5 算法继承了 ID3 算法的优点，并在以下几方面对 ID3算法进行了改进： 1、用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性 的不足； 2、在树构造过程中进行剪枝； 3、 能够完成对连续属性的离散化处理； 4、能够对不完整数据进行处理。 C4.5 算法有如下优点：产生的分类规则易于理解，准确率较高。其缺点是：在构造树 的过程中，需要对数据集进行多次的顺序扫描和排序，因而导致算法的低效。此外，C4.5 只适合于能够驻留于内存的数据集，当训练集大得无法在内存容纳时程序无法运行。 这里重点介绍对 C4.5 算法实现的一个著名软件 Weka。Weka 的全名是怀卡托智能分析 环境（Waikato Environment for Knowledge Analysis ），是一款免费的，非商业化（与之对应 的是 SPSS 公司商业数据挖掘产品--Clementine ）的，基于 JAVA 环境下开源的机器学习以 及数据挖掘软件。它和它的源代码可在其官方网站下载。有趣的是，该软件的缩写 WEKA 也是 New Zealand 独有的一种鸟名，而 Weka 的主要开发者同时恰好来自 New Zealand 的 University of Waikato 。 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 1 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。而开发者则可使用 Java 语言，利用 Weka 的架构上开发出更多的数据挖掘算法。本 文将关注 Weka 的分类功能，并用实际例子对这一功能进行演示，希望可以对加深对 Weka 的使用以及了解C4.5 在决策中的重要作用。 二、Weka 的分类功能的使用 2.1、Weka界面简介 图2.1 图2.1 为 Weka 的启动后的界面，非常简介，我们将会用到界面中Application 选项下的 Explorer 功能。界面如图2.2 ： 2 图2.2 “`open file” 按钮可以让用户导入需要分析的数据文件。这里不做具体的操 作介绍，详情请见：http://www.cs.waikato.a