知识流界面的拖拽式设计挺方便的，把 WEKA 里的组件像拼积木一样往画布上一摆，再连一连，流程就出来了。适合你想边边看效果的时候用，尤其是搞分类、聚类那类事儿的时候，效率挺高。

批量和增量都能搞定，不过要注意，增量不在探索者界面里用，要切到知识流才行。比如你在做实时数据，用NaiveBayesUpdateable这种分类器就比较合适，数据一条条喂进去，模型也能不断更新，挺灵活的。

说几个支持增量学习的分类器，像NaiveBayesMultinomialUpdateable、IBk、KStar、LWL这些，基本能应付大部分场景，是海量文本或者传感器数据那种场景，比较靠谱。

你要是喜欢折腾点高级玩法，还可以试试把 WEKA 和 Matlab 接口连起来。我之前用MatlabWekaInterface做过图像识别的模型训练，挺顺的。文档在这里，讲得还算清楚。

其他教程也别错过，像完整的知识流教程、增量模式教程，内容都还蛮实在的，基本上你照着来，搞个小项目没啥问题。

哦对了，大数据量的时候注意内存设置，不然跑到一半容易崩。你可以试着调下-Xmx参数，比如-Xmx2g，内存大点，跑起来稳点。

如果你是搞数据挖掘、分类建模或者做教学演示的，可以把知识流当作你上手 WEKA 的主界面用，逻辑清晰，还挺好调试。