本文详细分析了Weka数据挖掘工具的模块划分，重点探讨了core package中的数据表示，包括Attribute、Instance及其继承体系、Instances类。Attribute类的fields、constructor和properties被详尽阐述，同时解释了各种Instance实现如何处理数据，特别是DenseInstance和SparseInstance的差异。Instances类则负责整个数据集的管理，包含属性和实例的交互操作。
1.1模块划分
weka采用maven作为构建工具，从module划分的角度，是个单module系统，但是weka的从package划分上体现了“关注点分离”。
各package关注点（职责划分）如下：
| 分类 | package name | 职责 |
|---|---|---|
| 算法 | associations | 关联规则算法 |
| attributeSelection | 属性选择算法 | |
| classifiers | 分类算法 | |
| clusterers | 聚类算法 | |
| 底层基础服务 | core | |
| 数据预处理 | filters | 数据过滤、变换 |
| 常见分布估计 | estimators | |
| 数据生成器 | datagenerators | 按照指定的规则生成数据 |
| 易用性部分 | experiment | |
| gui | 用户界面 | |
| Knowledgeflow | 工作流支撑系统 |
1.2core package分析
1.2.1 数据表示
逻辑上，挖掘算法将数据集（DataSet）认为是“二维表”。
Weka中对应关系如下：
| 概念 | Weka 实现 | 备注 |
|---|---|---|
| 属性 | Attribute | |
| 属性元信息 | A |
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
