存档 | Weka 机器学习

Weka 平台提供了大量的回归算法。Weka 支持大量机器学习算法是使用该平台的最大好处之一。在本帖中，您将了解如何在 Weka 中使用顶级的回归机器学习算法。阅读本文后，您将了解： […]

拥有机器学习问题的性能基线非常重要。它将为您提供一个参考点，您可以将所有其他构建的模型与之进行比较。在本帖中，您将了解如何使用 Weka 为机器学习问题开发性能基线。阅读后 […]

预测建模的问题在于创建在新的未见数据上具有良好预测性能的模型。因此，使用可靠的技术在可用训练数据上训练和评估模型至关重要。模型性能的估计越可靠，您就能更好地 […]

使用 Weka 平台的一个主要好处是它支持大量的机器学习算法。您可以尝试的算法越多，您对问题的了解就越多，也可能越接近发现性能最佳的一个或几个算法。在本帖中，您将 […]

原始机器学习数据包含各种属性，其中一些与进行预测相关。您如何知道要使用哪些特征，要删除哪些特征？选择数据中用于建模的特征的过程称为特征选择。在本帖中，您将了解如何执行特征选择 […]

数据很少是干净的，并且经常会出现损坏或缺失值。在开发机器学习模型时，识别、标记和处理缺失数据很重要，以便获得最佳性能。在本帖中，您将了解如何使用 Weka 处理机器学习数据中的缺失值。在此之后 […]

原始的机器学习数据通常不是理想的建模形式。您需要准备或重塑它，以满足不同机器学习算法的期望。在本帖中，您将了解两种可用于转换机器学习数据以进行建模的技术。阅读此 […]

机器学习算法会对您正在建模的数据集做出假设。通常，原始数据包含具有不同尺度的属性。例如，一个属性可能是千克，另一个可能是计数。虽然不是必需的，但通过仔细选择重缩放数据的方法，通常可以提高性能。在 […]

在开始新的机器学习问题时，花时间了解您的数据非常重要。有一些关键点可以帮助您快速了解数据集，例如描述性统计和数据可视化。在本帖中，您将了解如何 […]

在机器学习入门和学习新工具时，拥有小型且易于理解的数据集是一个好主意。Weka 机器学习工作台在安装目录中提供了一个小型易于理解的数据集目录。在本帖中，您将了解 Weka 分布的一些小型易于理解的数据集， […]