第7章 常用的数据挖掘软件.pptVIP

—— 做中国领先的科研资源提供商 第七章 常用的数据挖掘软件 总课时：6小时（实验：4小时） 《大数据处理》配套课件 提纲 数据挖掘软件介绍 Weka RapidMiner Knime 数据挖掘软件介绍 Weka：名气最大的机器学习和数据挖掘软件 高级用户可以通过Java编程和命令行来调用其分析组件 为普通用户提供了图形化界面 在Weka论坛有大量的扩展包 很多其它开源数据挖掘软件也支持调用Weka的分析功能 数据挖掘软件介绍 RapidMiner：耶鲁大学的研究成果 免费提供数据挖掘技术和库 数据挖掘过程简单，强大和直观 多层次的数据视图，确保有效和透明的数据 400多个数据挖掘运营商支持 强大的可视化引擎 耶鲁大学已成功地应用在许多不同的应用领域，包括文本挖掘，多媒体挖掘，功能设计，数据流挖掘，集成开发的方法和分布式数据挖掘 数据挖掘软件介绍 Knime：数据流模式的挖掘软件 类似数据流（data flow）的方式来建立分析挖掘流程 用户可选择性地运行一些或全部的分析步骤 用Java开发的，可以扩展使用Weka中的挖掘算法 通过插件的方式，用户可以加入自己的处理模块，并可以集成到其它各种各样的开源项目中 数据挖掘软件介绍 IBM Intelligent Miner：IBM的商业级产品 简单易用 能处理大数据量的挖掘 功能一般，没有数据探索功能 与其他软件接口差，只能用DB2，连接DB2以外的数据库时，如Oracle, SAS, SPSS需要安装DataJoiner作为中间软件 提纲 数据挖掘软件介绍 Weka RapidMiner Knime Weka简介 WEKA的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），它的源代码可通过http://www.cs.waikato.ac.nz/ml/weka得到。 同时weka也是新西兰的一种鸟名，而WEKA的主要开发者来自新西兰。 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。 2005年8月，在第11届ACM SIGKDD国际会议上，怀卡托大学的Weka小组荣获了数据挖掘和知识探索领域的最高服务奖，Weka系统得到了广泛的认可，被誉为数据挖掘和机器学习历史上的里程碑，是现今最完备的数据挖掘工具之一（已有11年的发展历史）。Weka的每月下载次数已超过万次。 Weka的数据格式 WEKA所处理的数据集是一个二维的表格 Weka的数据格式 WEKA存储数据的格式是ARFF（Attribute-Relation File Format）文件，这是一种ASCII文本文件。 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），包括了对关系的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”标记开始，后面的就是数据信息了。 Code: % ARFF file for the weather data with some numric features % @relation weather @attribute outlook {sunny, overcast, rainy} @attribute temperature real @attribute humidity real @attribute windy {TRUE, FALSE} @attribute play {yes, no} @data % % 14 instances % sunny,85,85,FALSE,no sunny,80,90,TRUE,no overcast,83,86,FALSE,yes rainy,70,96,FALSE,yes rainy,68,80,FALSE,yes rainy,65,70,TRUE,no overcast,64,65,TRUE,yes sunny,72,95,FALSE,no sunny,69,70,FALSE,yes rainy,75,80,FALSE,yes sunny,75,70,TRUE,yes overcast,72,90,TRUE,yes overcast,81,75,FALSE,yes rainy,71,91,TRUE,no Weka的数据格式 关系声明 关系名称在ARFF文件的第一个有效行来定义，格式为  @relation relation-name relation-name是一个字符串。如果这个字符串包