基于WEKA平台的数据挖掘研究及二次开发。对K-Means算法进行了优化，进行了二次开发。

示例：对IRIS数据集作聚类分析

weka进行数据挖掘毕业设计论文，适合用作课程论文

数据挖掘，基于weka的数据聚类分析，实验报告

数据挖掘，基于weka的数据分类分析实验报告

weka-3.8.4版本，适用于linux系统

最新版的Data Mining: Practical Machine Learning Tools and Techniques，Weka的配套教材

数据离散化 有些算法(如关联分析)，只能处理标称型属性，这时候就需要对数值型的属性进行离散化。 对取值有限的数值型属性可通过修改.arff文件中该属性数据类型实现离散化。 例如，在某数据集中的 “children”属性只有4个数值型取值：0，1，2，3。 我们直接修改ARFF文件，把 @attribute children numeric 改为 @attribute children {0,1,2,3} 就可以了。 在“Explorer”中重新打开“bank-data.arff”，看看选中“children”属性后，区域6那里显示的“Type” 变成“Nominal”了。

weka有带java环境和不带java环境的版本，这是不带jre的版本。 Weka使机器学习的应用变得简单、高效并且充满乐趣。它拥有图形界面，并且允许你加载自己的数据集，运行算法并且产生足够可靠、让人信服的结果。

压缩包共有20个.arff数据集，来自于机器学习数据挖掘开源软件Weka中自带的数据集。