很不错的weka入门教程 值得一看啊 我就是靠这个入的门

Java中导入weka类库 引入weka的jar就可以了，把jar加到classpath下。 Eclipse:右键单击项目名，Build Path  Add External Archives，选weka.jar。

Practical Machine Learning Tools and Techniques（Wake教程，第四版）

基本的关联分析操作 Soybean数据的关联分析 用“Explorer”打开“soybean.arff”后，切换到“Associate”选项卡。默认关联规则分析是用Apriori算法。 点“Choose”右边的文本框修改默认的参数，弹出的窗口中点“More”可以看到各参数的说明。 点击“Start”按钮开始关联分析。 WEKA中关联分析的过程 假设最小置信度设定为0.9，支持度上限1，支持度下限0.1： 从数据项的支持度上限100%-5%开始，逐步递减5％，直到至少有满足置信度条件（即≥90%）的10条规则，或者支持度达到了10%的下限。

4.2、属性选择模式2 单一属性评估器 ChiSquaredAttributeEval: 以基于类的Χ2为依据的属性评估 GainRationAttributeEval: 以增益率为依据的属性评估 InfoGainAttributeEval: 以信息增益为依据的属性评估 OneRAttributeEval: 以OneR的方法论来评估属性 PrincipleComponents: 进行主成分的分析和转换 ReliefAttributeEval: 基于实例的属性评估器 SymmetricalUncertAttributeEval: 以对称不确定性为依据的属性评估 排序方法 Ranker: 按照属性的评估对它们进行排序

WEKA简介 数据格式 数据准备 属性选择 可视化分析 分类预测 关联分析 聚类分析 扩展WEKA

由于Weka的开源、易操作等优点，可供各类人群学习、使用。如果是一位数据挖掘算法的研究者，可以把自己的算法放在这个平台上，然后从海量数据中发掘其背后隐藏的种种关系。如果是数据挖掘的初学者，这是最好的学习平台，它不但简单易学，还提供了八个数据挖掘、统计学上的经典案例供您参考；如果在工作中有大量的数据需要分析，Weka也许能帮您发现更大的商机。

关于weka的简要介绍

数据挖掘工具weka 广东外语外贸大学 杜剑锋老师的教程