|
|
系統地講解資料採擷和機器學習工具Weka。
Weka是目前資料採擷和機器學習最著名的開放原始碼軟體，本書內容涵蓋Weka介紹、Explorer介面、Knowledge Flow介面、Experimenter介面、命令列介面、Weka進階應用、Weka API和學習方案原始程式碼分析。
透過大量的實作操作，讓讀者了解並掌握資料採擷和機器學習的相關技能，拉近理論與實作的距離。
適用：從事資料採擷和機器學習相關人員、相關科系學生、研究生。
前言
Chapter 01 Weka 介紹
1.1 Weka 簡介
1.1.1 Weka 歷史
1.1.2 Weka 功能簡介
1.2 基本概念
1.2.1 資料採擷和機器學習
1.2.2 資料和資料集
1.2.3 ARFF 格式
1.2.4 預先處理
1.2.5 分類與回歸
1.2.6 聚類分析
1.2.7 關聯分析
1.3 Weka 系統安裝
1.3.1 系統要求
1.3.2 安裝過程
1.3.3 Weka 使用初步
1.3.4 系統運行注意事項
1.4 存取資料庫
1.4.1 設定檔
1.4.2 存取資料庫
1.4.3 常見問題及解決辦法
1.5 範例資料集
1.5.1 天氣問題
1.5.2 鳶尾花
1.5.3 CPU
1.5.4 玻璃資料集
1.5.5 美國國會投票記錄
1.5.6 乳腺癌資料集
Chapter 02 Explorer 介面
2.1 圖形化使用者介面
2.1.1 標籤頁簡介
2.1.2 狀態列
2.1.3 影像輸出
2.1.4 一步步教你用
2.2 前置處理
2.2.1 載入資料
2.2.2 屬性處理
2.2.3 篩檢程式
2.2.4 篩檢程式演算法介紹
2.2.5 一步步教你用
2.3 分類
2.3.1 分類器選擇
2.3.2 分類器訓練
2.3.3 分類器輸出
2.3.4 分類演算法介紹
2.3.5 分類模型評估
2.3.6 一步步教你用
2.4 分群
2.4.1 分群面板操作
2.4.2 分群演算法介紹
2.4.3 一步步教你用
2.5 關聯
2.5.1 關聯面板操作
2.5.2 關聯演算法介紹
2.5.3 一步步教你用
2.6 選擇屬性
2.6.1 選擇屬性面板操作
2.6.2 選擇屬性演算法介紹
2.6.3 一步步教你用
2.7 可視化
2.7.1 選擇單獨的2D 散點圖
2.7.2 選擇實例
2.7.3 一步步教你用
Chapter 03 nowledge Flow 介面
3.1 知識流介紹
3.1.1 知識流特性
3.1.2 知識流介面版面配置
3.2 知識流元件
3.2.1 資料來源
3.2.2 資料接收器
3.2.3 評估器
3.2.4 視覺化器
3.2.5 其他工具
3.3 使用知識流元件
3.4 一步步教你用
Chapter 04 Experimenter 介面
4.1 簡介
4.2 標準實驗
4.2.1 簡單實驗
4.2.2 進階實驗
4.2.3 一步步教你用
4.3 遠端實驗
4.3.1 遠端實驗設定
4.3.2 一步步教你用
4.4 分析結果
4.4.1 取得實驗結果
4.4.2 設定測試
4.4.3 儲存結果
4.4.4 一步步教你用
Chapter 05 命令列介面
5.1 命令列介面介紹
5.1.1 指令呼叫
5.1.2 指令自動完成
5.2 Weka 結構5.3 資料整合
5.2.1 類別實例和套件
5.2.2 weka.core 套件
5.2.3 weka.classifiers 套件
5.2.4 其他套件
5.3 命令列選項
5.3.1 正常選項
5.3.2 特定選項
5.4 篩檢程式和分類器選項
5.4.1 篩檢程式選項
5.4.2 分類器選項
5.4.3 一步步教你用
5.5 套件管理器
5.5.1 命令列套件管理員
5.5.2 執行安裝的演算法
Chapter 06 Weka 進階應用
6.1 貝氏網路
6.1.1 簡介
6.1.2 貝氏網路編輯器
6.1.3 在檢視器中使用貝氏網路
6.1.4 學習演算法
6.1.5 檢視貝氏網路
6.1.6 一步步教你用
6.2 神經網絡
6.2.1 GUI 使用
6.2.2 一步步教你用
6.3 文字分類
6.3.1 文字分類範例
6.3.2 分類真實文字
6.3.3 一步步教你用
6.4 時間序列分析及預測
6.4.1 使用時間序列環境
6.4.2 一步步教你用
Chapter 07 Weka API
7.1 加載資料
7.1.1 從檔案載入資料
7.1.2 從資料庫載入資料
7.1.3 一步步教你用
7.2 保存資料
7.2.1 儲存資料至檔案
7.2.2 儲存資料至資料庫
7.2.3 一步步教你用
7.3 處理選項
7.3.1 處理選項方法
7.3.2 一步步教你用
7.4 記憶體資料集處理
7.4.1 在記憶體中建立資料集
7.4.2 打亂資料順序
7.4.3 一步步教你用
7.5 過濾
7.5.1 批次過濾
7.5.2 即時過濾用
7.5.3 一步步教你用
7.6 分類
7.6.1 分類器建構
7.6.2 分類器評估
7.6.3 實例分類
7.6.4 一步步教你用
7.7 分群
7.7.1 分群器建構
7.7.2 分群器評估
7.7.3 實例分群
7.7.4 一步步教你用
7.8 屬性選擇
7.8.1 使用基礎分類器
7.8.2 使用篩檢程式
7.8.3 使用底層API
7.8.4 一步步教你用
7.9 視覺化
7.9.1 ROC 曲線
7.9.2 圖
7.9.3 一步步教你用
7.10 序列化
7.10.1 序列化基本方法
7.10.2 一步步教你用
7.11 文字分類綜合範例
7.11.1 程式執行準備
7.11.2 來源程式分析
7.11.3 執行說明
Chapter 08 學習方案原始程式碼分析
8.1 NaiveBayes 原始程式碼分析
8.2 實現分類器的約定
8.2.1 Capabilities
Appendix A 中英文術語對照
Appendix B Weka 演算法介紹
B-1 篩檢程式演算法介紹
B-2 分類演算法介紹
B-3 分群演算法介紹
B-4 連結演算法介紹
B-5 選擇屬性演算法介紹
Appendix C 參考文獻
