Data Mining实用机器学习教材Weka教程

数据挖掘的入门书挺多的，但《Data Mining: Practical Machine Learning Tools and Techniques》算是比较实用的一本。Weka 的操作讲得细，适合刚接触机器学习的前端同行。用起来也不复杂，安装完直接就能上手，不少算法都有图形界面支持，点点按钮就能跑出结果来，蛮方便的。 数据的工作，有时候就是要跑些模型看看规律。Weka支持分类、聚类、回归这些常见方法，还能做特征选择和交叉验证，不用写一行代码，响应也快。像你想试试决策树或支持向量机，直接选算法点运行就行，结果图和评估指标全都有，挺适合平时做点快速原型。 书里不少例子讲得还挺接地气的，像怎么清洗

weka 的安装包里自带源码，weka-src.jar解压就是，想看内部实现或者自己改点东西方便。机器学习算法基本都有，分类、回归、聚类，甚至关联规则挖掘都支持，挺全的。界面虽然有点老，但操作上手快，试个算法啥的也就几分钟事儿。 源码结构比较清晰，接口设计得还不错。如果你打算自己实现算法，参考它的接口文档是个不错的起点。比如你要自己写个分类器，继承Classifier类再实现几个方法就差不多能跑了。想深入点的，还可以做些可视化工具扩展，思路上也挺适合抄的。 有一本书《数据挖掘：实用机器学习技术》配套讲得细，里面的例子几乎都能直接跑在 weka 上。哦对了，weka是新西兰的一种鸟，工具名也挺有

WEKA，全称为怀卡托智能分析环境，是由新西兰怀卡托大学开发的开源数据挖掘工具。其名取自新西兰特有的鸟类Weka。该软件提供多种机器学习算法，涵盖数据预处理、分类、回归、聚类、关联规则等任务，并具有交互式用户界面和可视化功能。WEKA在数据挖掘和机器学习领域占有重要地位，曾获得ACM SIGKDD国际会议的最高服务奖，并广泛被下载和应用。

Weka是一个集成了各种机器学习算法的工具包，适用于执行数据挖掘任务。这些算法可以直接应用于数据集，或者在自定义的Java程序中调用。Weka提供数据预处理、分类、回归、聚类、关联规则和可视化等多种工具。此外，还可以基于Weka开发新的机器学习模型。

该包含20个.arff格式数据集，源自机器学习和数据挖掘开源软件Weka。

感谢大牛整理的机器学习资源：https://github.com/Flowerowl/Big_Data_Resources#大数据-数据挖掘

McGrawHill出版社发行的.Tom著作的机器学习经典，涵盖数据挖掘通用算法。

介绍了Weka使用方法和基本实现架构，在对算法的实现流程和相关接口进行了详细说明，成功在平台中嵌入了该算法。

数据挖掘中常用的工具和技术