如何在 Weka 中使用分类机器学习算法？

Weka 工具是由怀卡托大学的学生开发的开源工具，代表怀卡托知识分析环境，具有所有内置的机器学习算法。它用于使用数据挖掘技术解决现实生活中的问题。该工具是使用Java编程语言开发的，因此它与平台无关。

该工具本身在应用程序的数据文件中包含一些数据集，我们可以用它们来实现我们的算法。我们将使用的数据集是Breast-cancer.arff 。分类可以由预测连续值函数的预测模型定义，而分类模型预测分类类标记。

在本文中，我们将使用 WEKA 工具学习数据集上的分类实现。为此，我们将使用两种不同的分类器。

零件分类器

本次实验涉及的步骤是：

• 最初，我们必须使用选择文件选项在 weka 工具中加载所需的数据集。

• 现在我们必须转到左上角的分类选项卡，然后单击选择按钮并选择其中的零件算法。

• 现在要更改参数，请单击右侧的选择按钮，我们接受本示例中的默认值。

• 在主面板左侧的“测试”选项下。作为我们的评估方法，我们选择 10 折交叉验证。由于我们没有单独的测试数据集，因此需要很好地了解模型的准确性。

• 现在点击开始生成分类器模型。将显示以下输出：

值得注意的是，该模型的分类准确率约为 71%。这表明我们将能够找到更多的工作。 （无论是在预处理中还是在现有分类参数的选择中）

OneR 分类器

本次实验涉及的步骤是：

• 最初，我们必须使用选择文件选项在 weka 工具中加载所需的数据集。

• 现在我们必须转到左上角的分类选项卡，然后单击选择按钮并选择其中的 oneR 算法。

• 现在要更改参数，请单击右侧的选择按钮，我们接受本示例中的默认值。

• 在主面板左侧的“测试”选项下。作为我们的评估方法，我们选择 10 折交叉验证。由于我们没有单独的测试数据集，因此需要很好地了解模型的准确性。

• 现在点击开始生成分类器模型。下面是生成的输出：

请注意，模型的分类准确率仅为 65% 左右。这表明我们将能够找到更多的工作。 （无论是在预处理中还是在现有分类参数的选择中）