Weka新手文章（一）

數據倉庫，數據分析，不涉及商業方面的高層決策之用，故本篇文章只適合初學數據倉庫，爲了完成老師作業，且想用weka做簡單數據挖掘之用的童鞋。

 

weka版本是3.6.2，數據庫庫是SQL Server 2005，沒辦法，老師提供的幾萬條數據保存在excel表中，如果從excel轉爲csv格式，再從weka中導入該csv文件，涉及到格式的轉換，很是麻煩～況且幾萬條數據，不可能一條一條去檢查它們的格式，故思路是，先在sql server中建立一個數據庫（db_ppz），把csv中的幾萬條數據導入到數據庫db_ppz中，再從weka中連接sql server讀取數據，速度還可以啦～～

 

weka下載地址：一個是自帶了jdk，一個沒帶jdk，文件體積少點。。。

http://www.cs.waikato.ac.nz/~ml/weka/

 

 

是的，weka連接數據庫也是有點麻煩的，但網上教程還是不少，下面鏈接整理得很好（但偶有簡便改進方法～～）

http://blog.csdn.net/senaku/archive/2008/03/28/2225943.aspx

 

個人歸納連接思路有幾點：

 

1、下載微軟的驅動jdbc，最新版的已經是sqljdbc_3.0，google一下可以快速找到微軟網站下載。下載到的是zip包包，解壓，得到sqljdbc_3.0.jar文件，這時不用像上面網站那樣××又××的（他是假設電腦中還沒配置好jdk的）。思路是把sqljdbc_3.0.jar放到jdk中的jre/lib/中，比如“D:/Program Files/Java/jre1.6.0_07/lib/ext"。因爲jdk配置時已經設置好環境變量，把jar包包放這裏，weka通過訪問jdk路徑，能找到這個驅動文件的。

 

2、上面的步驟，可以代替鏈接網站中的前5小步驟，可以開始配置DatabaseUtils.props文件。進入weka所在的文件夾中，比如我的是”D:/Program Files/Weka-3-6“，找到weka.jar這個文件，先對它做個異地備份。然後用rar軟件打開它，進入裏面weka.jar/weka/experiment 位置，找到DatabaseUtils.props，雙擊打開，然後開始編輯它的內容：

對於sql server，可以參考下面的配置內容，而只需更改一個地方，即你自己的數據庫名稱：

“jdbcURL=jdbc:sqlserver://localhost;databaseName=db_ppz ”

 

# Database settings for Microsoft SQL Server 2005 Express Edition # # url: http://www.microsoft.com/ # jdbc: http://msdn2.microsoft.com/en-us/data/aa937724.aspx # author: Fracpete (fracpete at waikato dot ac dot nz) # version: $Revision: 1.2 $ # JDBC driver (comma-separated list) jdbcDriver=com.microsoft.sqlserver.jdbc.SQLServerDriver # database URL jdbcURL=jdbc:sqlserver://localhost;databaseName=db_ppz # specific data types string, getString() = 0; --> nominal boolean, getBoolean() = 1; --> nominal double, getDouble() = 2; --> numeric byte, getByte() = 3; --> numeric short, getByte()= 4; --> numeric int, getInteger() = 5; --> numeric long, getLong() = 6; --> numeric gloat, getFloat() = 7; --> numeric date, getDate() = 8; --> date text, getString() = 9; --> string bit=1 tinyint=3 smallint=4 int=5 bigint=6 smallmoney=2 money=2 numeric=2 decimal=2 float=2 real=2 smalldatetime=8 datetime=8 timestamp=8 char=0 text=0 varchar=0 nchar=0 ntext=0 nvarchar=0 binary=0 varbinary=0 image=0 uniqueidentifier=9 rowversion=9 # other options CREATE_DOUBLE=DOUBLE PRECISION CREATE_STRING=VARCHAR(8000) CREATE_INT=INT checkUpperCaseNames=false checkLowerCaseNames=false checkForTable=true 

 

 

修改好後，保存關閉，然後在rar中更新它即可。方便之處：不用對weka.jar進行解包，配置好DatabaseUtils.props文件後不需要再用jar命令進行壓縮（我最開始也是解包，修改，再壓縮，但運行weka軟件時會提示說找不到main函數，且網上也有一些人碰到相同問題）。

 

3、配置好後，運行weka，選擇open db，彈出窗口中可以看到database url，我的是”jdbc:sqlserver://localhost;databaseName=db_ppz“，再選擇user，用sa帳號登錄（我是另外建立帳號登錄數據庫），然後選擇user旁邊的按鈕Connect，在最下面的info中，顯示結果=true，表示連接成功。然後根據數據庫中的表，執行sql語句，select出數據，按ok確認返回weka的explorer界面。

（其實如果爲了測試或熟悉weka，可以打開它自帶的測試數據，數據位於”D:/Program Files/Weka-3-6/data“。或者在open db旁邊的DataGenerator也是可以快速生成測試數據，我選擇的是weka.datagenerators.classifiers.classification.Agrawal產生器)

 

上面基本配置好weka，讀取到數據。後文將更新個人篩選數據，使用三個數據算法（分類、聚類、關聯分析）的小小教程吧，因爲我也從小白鼠過來的～～

 

 

weka推薦看的東東吧～～不看文章是不行的，手上也需要一個翻譯軟件，比如有道詞典，啊啊？？ Orz……

 

Weka入門教程:http://forum.wekacn.org/viewtopic.php?f=2&t=9

weka中文論壇：http://forum.wekacn.org/viewforum.php?f=2

這個文檔，介紹了幾個算法吧：http://wenku.baidu.com/view/a0cfde06eff9aef8941e06fd.html

還有這個，算掃盲：http://wenku.baidu.com/view/49716a0203d8ce2f006623fd.html

google一下：weka 中文教程.pdf，對weka這個軟件的界面介紹？？