Weka汉化版

Weka汉化版全名为怀卡托智能分析环境，这款软件的一款集数据预处理、学习算法(分类、回归、聚类、关联分析)和评估方法等为一体的综合性数据挖掘工具。具有交互式可视化界面，提供算法学习比较环境 通过其接口，可实现自己的数据挖掘算法。

汉化版说明：

在第2版weka中文版的 基础上制作了第3版，暂定版本v0.3。将guichooser汉化完成。考虑到大家还是习惯使用guichooser作为默认启动界面，将RunWeka.ini中的设置恢复默认。但是为了支持中文，其中的编码选项从cp1252改为utf-8，各位同学制作数据文件的时候可以保存为utf-8编码。也可以自行去修改根目录下的RunWeka.ini。

如果对翻译不满意，请告知于我，我们共同努力。

本次只发布了64位的版本，包含64位jre，在根目录下的jre目录，需要的可以自行安装。解压缩到任意目录后，运行RunWeka.bat就可以了。当然也有快捷方式可以用，但图标因为路径问题需要你自己重新设定一下。理论上将根目录下的weka.jar提取出来覆盖你之前安装好的weka目录中的weka.jar，即可实现weka汉化，32位和64位都可以用，但前提是你安装的weka版本要是3.7.12。最好事先备份好你的weka.jar文件，出现问题可以恢复。

软件教程：

WEKA文件相关术语

表格里的一个横行称作一个实例（Instance），相当于统计学中的一个样本，或者数据库中的一条记录。竖行称作一个属性（Attribute），相当于统计学中的一个变量，或者数据库中的一个字段。这样一个表格，或者叫数据集，在WEKA看来，呈现了属性之间的一种关系(Relation)。上图中一共有14个实例，5个属性，关系名称为“weather”。

WEKA存储数据的格式是ARFF（Attribute-Relation File Format）文件，这是一种ASCII文本文件。上图所示的二维表格存储在如下的ARFF文件中。这也就是WEKA自带的“weather.arff”文件，在WEKA安装目录的“data”子目录下可以找到。

文件内容说明

识别ARFF文件的重要依据是分行，因此不能在这种文件里随意的断行。空行（或全是空格的行）将被忽略。以“%”开始的行是注释，WEKA将忽略这些行。如果你看到的“weather.arff”文件多了或少了些“%”开始的行，是没有影响的。

除去注释后，整个ARFF文件可以分为两个部分。

第一部分给出了头信息（Head information），包括了对关系的声明和对属性的声明。

第二部分给出了数据信息（Data information），即数据集中给出的数据。从“@data”标记开始，后面的就是数据信息了。

关系声明

关系名称在ARFF文件的第一个有效行来定义，格式为@relation <relation-name> 

<relation-name>是一个字符串。如果这个字符串包含空格，它必须加上引号（指英文标点的单引号或双引号）。

属性声明

属性声明用一列以“@attribute”开头的语句表示。数据集中的每一个属性都有它对应的“@attribute”语句，来定义它的属性名称和数据类型。

这些声明语句的顺序很重要。首先它表明了该项属性在数据部分的位置。例如，“humidity”是第三个被声明的属性，这说明数据部分那些被逗号分开的列中，第三列数据85 90 86 96 ... 是相应的“humidity”值。其次，最后一个声明的属性被称作class属性，在分类或回归任务中，它是默认的目标变量。属性声明的格式为

@attribute <attribute-name> <datatype> 

其中<attribute-name>是必须以字母开头的字符串。和关系名称一样，如果这个字符串包含空格，它必须加上引号。

数值属性

数值型属性可以是整数或者实数，但WEKA把它们都当作实数看待。

标称属性

标称属性由<nominal-specification>列出一系列可能的类别名称并放在花括号中：{<nominal-name1>, <nominal-name2>, 

<nominal-name3>, ...} 。数据集中该属性的值只能是其中一种类别。

例如如下的属性声明说明“outlook”属性有三种类别：“sunny”，“overcast”和“rainy”。而数据集中每个实例对应的“outlook”值必是这三者之一。

@attribute outlook {sunny, overcast, rainy} 

如果类别名称带有空格，仍需要将之放入引号中。