数据挖掘与机器学习——WEKA应用技术与实践（第二版）.pdf

再版前言自本书第一版出版到现在已经过去近两年。这段时间内，数据挖掘和机器学习领域快速发展，投入到相关领域研究的人员也越来越多，Wka爱好者队伍也随之逐年发展壮大，Weka学习讨论群所讨论内容的技术含量也日渐丰富。第二版的修订工作以Weka3.7.l3版本为准，为此，全书重新截图，按照Weka新版本重新修订正文内容。此次再版修改了第一版中一些表述不清楚的陈述、前后不一致的术语，还新增了以下内容：第1章1.3节新增无法连接包管理器的解决办法，第2章2.7节新增边界可视化工具和代价/收益分析可视化及相关实验内容，第4章4.2节新增拆分评估器可视化参数内容，新增完整的第9章机器学习实战，丰富了Wka实践内容。修订后的第二版共分9章。第1章介绍Wka的历史和功能、数据挖掘和机器学习的基本概念、Weka系统安装，以及示例数据集；第2章介绍探索者(Explorer)界面的使用，主要内容包括图形用户界面、预处理、分类、聚类、关联、选择属性，以及可视化；第3章介绍知识流(KnowledgeFlow)界面，主要内容有知识流介绍、知识流组件、使用知识流组件，以及实践教程；第4章介绍实验者(Experimenter)界面，主要内容有实验者界面介绍、标准实验、远程实验，以及实验结果分析：第5章介绍命令行界面，主要内容有命令行界面介绍、Weka结构、命令行选项、过滤器和分类器选项，以及Weka包管理器；第6章介绍一些Weka的高级应用，主要介绍Weka的贝叶斯网络、神经网络、文本分类和时间序列分析及预测：第7章介绍Weka API,说明使用Java源代码来实现常见数据挖掘任务的基础知识，并给出一个展示如何进行数据挖掘的综合示例；第8章通过对NaiveBayes学习方案的源代码进行分析，深入研究Wka学习方案的工作原理，为开发人员提供实现学习算法的编码基础：第9章介绍如何使用Wka工具挖掘实际的大型数据集，以精选的两个KD竞赛数据集为例，使读者能够快速进入实际的案例场景，应用所学数据挖掘知识来面对大数据的挖掘问题，考验自己完成难度较大的挖掘项目的动手能力。第二版改动的内容较多，总体工作量很大，花费了很多时间。从酝酿第二版内容开始，至其杀青，历时超过一年。作者的感觉是：比编写第一版还要辛苦些。且不说Wka版本变动导致的修改，重新截图、重新梳理文字、重新改写API文档等，费时费力。因时间变化引起的一个小小的技术变动，就让人费力应对。例如，怀卡托大学后来不再提供包管理器元数据，导致第一版所述的解决办法不再有效，只能重新寻找解决包管理器无法连接的替代方法。又如，新版本Weka的NaiveBayes源代码有一些变动，作者不得不修订第8章的内容以适应新的版本变化。再如，第一版提供的网络链接有的己经不再有效，出版社编辑老师测试了所有的链接，保证了第二版提供的网络链接的正确性。当然，由于世界变化太快，无法保证在一两年后这些链接不会失效，这是无可奈何的事，作者只能保证书中叙述的方案在交稿时可行。最耗费心力的应该是第9章的编写。早在第一版的写作中，曾经就有编写一个章节专门讲述Wka综合应用案例的设想，但苦于手上没有合适的实验对象。理想的应用案例必须满足如下要求：第一，难度适中。不能太简单，过于简单的小儿科案例会违背编写综合