weka源码分析

Ⅰ 我装的是WEKA3.6.8和JDK1.7，运行WEKA的时候提示 class not found program will exit

配置：
先下载weka开发包，在安装目录下有个weka-src.jar包（源代码）和weka.jar包（可执行文件），将weka-src.jar包解压，然后把\weka-src\src\main\java\weka文件夹拖入到waka工程的src目录下.将weka.jar文件解压后，将\weka\weka文件夹拷贝到weka工程磁盘目录下的bin文件夹下。然后在所建工程的Build Path中把weka_javacodes.jar导入。最后在myeclipse或eclipse中编写代码运行即可。

Ⅱ weka能否进行实例过滤

这个肯定是有的。不知道你是用weka作编程开发还是只用GUI作数据挖掘

如果是用GUI的话如图就是选择一种FILTER实现过滤实例（对原始数据进行预处理），可以看到filter有监督的和非监督的，你可以根据需求选择对应的filter，选好后点击那个filter的框就可以设置具体参数和规则什么的

如果你是用weka作开发，http://weka.sourceforge.net/doc.stable/这个是weka的API可以看到weka.filters的包然后具体的应用你自己看API就可以了

如果用GUI选择filter选晕了不知道用哪个那也去看看API吧解释的还是可以的是在不行去下载一个weka的源码看看注释不过全是E文

Ⅲ 请教weka软件中，其中的SMOTE算法释义classValue

是的,weka是开源的. 记得我用过的那个版本在安装目录的bin文件夹里有一个weka.jar, 解压后得到的就是源码. c4.5在weka里的实现是j48, 大致是这个路径吧:weka.classifiers.trees.j48

您可以把整个weka.jar作为外部library导入类似Eclipse这样的开发环境, 这样看源码或者用weka的api进行二次开发都很方便的.

Ⅳ 谁能帮我翻一下weka的结果，不要用翻译软件，真正懂weka的来帮我翻译下，答得好的有加分，我有1000的财富

=== Run information ===运行信息（如下）

Scheme（前提，场景）:weka.classifiers（weka分类标准）.functions（功能）.Lib（library，素材库）SVM（support vector machine矢量算法支持机） -S 0 -K 2 -D 3 -G 0.0 -R 0.0 -N 0.5 -M 40.0 -C 1.0 -E 0.0010 -P 0.1
Relation（关联）: Glass（玻璃）
Instances实验次数: 214
Attributes特征属性: 10
RI（Refractive index 折射率 ）
Na 钠
Mg镁
Al铝
Si硅
K钾
Ca钙
Ba钡
Fe铁
Type类型
Test mode实验模式:10-fold cross-validation（十倍交叉验证）

=== Classifier model (full training set) ===分类模型（全部一整套的训练指标）

LibSVM wrapper（打包的矢量机素材库）, original code by Yasser EL-Manzalawy (= WLSVM)
（源码由byYasser EL-Manzalawy 提供）WLSVM（wrapper library support vector machine，打包的支持矢量机的素材库）
Time taken to build model:（建立模型消耗时间） 0.02 seconds（秒）

=== Stratified cross-validation ===窄条交叉验证
=== Summary ===实验总结

Correctly Classified Instances 正确分类的次数 148 69.1589 %
Incorrectly Classified Instances 错误分类的次数 66 30.8411 %
Kappa statistic kappa 静止值 0.3579
Mean absolute error 平均绝对错误值 0.0881
Root mean squared error 根平均平方差 0.2968
Relative absolute error 相关绝对错误值 60.7715 %
Root relative squared error 根相对错误值 111.5949 %
Total Number of Instances 总计实验次数 214

=== Detailed Accuracy By Class ===分类后的详细精准度

TP Rate（TP率） FP Rate（FP率） Precision（精确值） Recal（上次结果）l F-Measure （F-测量到的参数） ROC（不太清楚这个） Area（面积） Class（分类）
0.847 0.5 0.676 0.847 0.752 0.674 build wind float 风浮点建模
0.5 0.153 0.727 0.5 0.593 0.674 build wind non-float 风非浮点建模
0 0 0 0 0 ? vehic wind float 运载工具风浮点建模
0 0 0 0 0 ? vehic wind non-float运载工具风非浮点建模

0 0 0 0 0 ? containers 容器（建模后，的小环境）
0 0 0 0 0 ? tableware（桌上的物件）
0 0 0 0 0 ? headlamps（汽车前灯）
Weighted Avg.（平均权重） 0.692 0.344 0.699 0.692 0.68 0.674

=== Confusion Matrix ===混合后的基底值

a b c d e f g <-- classified as分类如下
100 18 0 0 0 0 0 | a = build wind float风浮点建模
48 48 0 0 0 0 0 | b = build wind non-float风非浮点建模
0 0 0 0 0 0 0 | c = vehic wind float运载工具风浮点建模vehicle=vehic
0 0 0 0 0 0 0 | d = vehic wind non-float运载工具风非浮点建模
0 0 0 0 0 0 0 | e = containers容俱
0 0 0 0 0 0 0 | f = tableware桌面物品
0 0 0 0 0 0 0 | g = headlamps汽车大灯