weka的使用

来源：互联网发布：战舰世界登录软件编辑：程序博客网时间：2024/05/04 13:27

2.2实验数据集：UCI Spambase Data Set

UCI数据集是是一个常用的标准测试数据集，是数据挖掘界中的公共测试数据集，由美国加州大学欧文分校（University of California Irvine）贡献，目前共有187个数据集，其数目还在不断增加。UCI数据集告诉了读者数据的属性和类别，用户可以用自己的数据挖掘方法去将 UCI 数据集进行分类，将结果与数据说明的结果对比，说明自己算法的正确性。

本次考核选用了其中的垃圾邮件数据集Spambase数据集，该数据集包含了4601 封邮件，其中2788 封垃圾邮件，1813 封正常邮件。

下载地址：http://archive.ics.uci.edu/ml/datasets/Spambase

要求：了解数据集各分类属性的含义。

Spambase数据集中的属性：

word_freq_make

word_freq_address

word_freq_all

word_freq_3d

word_freq_our

word_freq_over

word_freq_remove

word_freq_internet

word_freq_order

word_freq_mail

word_freq_receive

word_freq_will

word_freq_people

word_freq_report

word_freq_addresses

word_freq_free

word_freq_business

word_freq_email

word_freq_you

word_freq_credit

word_freq_your

word_freq_font

word_freq_000

word_freq_money

word_freq_hp

word_freq_hpl

word_freq_george

word_freq_650

word_freq_lab

word_freq_labs

word_freq_telnet

word_freq_857

word_freq_data

word_freq_415

word_freq_85

word_freq_technology

word_freq_1999

word_freq_parts

word_freq_pm

word_freq_direct

word_freq_cs

word_freq_meeting

word_freq_original

word_freq_project

word_freq_re

word_freq_edu

word_freq_table

word_freq_conference

char_freq_;

char_freq_(

char_freq_[

char_freq_!

char_freq_$

char_freq_#

capital_run_length_average

capital_run_length_longest

capital_run_length_total

第一步：将题目中所给的57个属性复制，去掉空格键，复制到excel里面，然后将列转制成行

第二步：将下载的Spambase中的文件 spambase.data以excel的方式打开，格式很乱，然后通过excel中的“分列”功能，更改格式，然后将57个属性复制到data中，然后发现缺少一属性，然后加一个属性yn，保存

第三步：将excel中，以csv的后缀名保存，然后用weka打开

第四步：将数值属性离散化，点击ALL，点击CHOOSE，选择discretize，然后apply

离散化后，保存为arff格式

第五步：用UltreEdit打开这个arff文档，然后将第58个属性yn中的数值属性改为{0，1}，保存为arff格式

第六步：用j48分类

在choose中，选择j48，按start，

第七步：生成决策树，在Resultlist中生成

0 0