<?xml version="1.0" encoding="gbk"?>
<rss version="2.0">
  <channel>
    <title>机器学习和生物信息学实验室联盟 - weka</title>
    <link>http://123.57.240.48/forum.php?mod=forumdisplay&amp;fid=68</link>
    <description>Latest 20 threads of weka</description>
    <copyright>Copyright(C) 机器学习和生物信息学实验室联盟</copyright>
    <generator>Discuz! Board by Comsenz Inc.</generator>
    <lastBuildDate>Tue, 21 Apr 2026 02:20:07 +0000</lastBuildDate>
    <ttl>60</ttl>
    <image>
      <url>http://123.57.240.48/static/image/common/logo_88_31.gif</url>
      <title>机器学习和生物信息学实验室联盟</title>
      <link>http://123.57.240.48/</link>
    </image>
    <item>
      <title>weka配置libD3c的一点出错经验</title>
      <link>http://123.57.240.48/forum.php?mod=viewthread&amp;tid=1277</link>
      <description><![CDATA[在windows环境下weka3.8配置LibD3c（来源：http://lab.malab.cn/soft/LibD3C/LibD3C.zip）
按照官网步骤配置（1放置classifiers.xml文件 2安装libSVM 3安装libD3c）

值得注意的是如果你想我一样weka是自定义安装路径的话：
]]></description>
      <category>weka</category>
      <author>xingpengwei</author>
      <pubDate>Fri, 05 Aug 2016 08:07:01 +0000</pubDate>
    </item>
    <item>
      <title>weka读.libsvm文件</title>
      <link>http://123.57.240.48/forum.php?mod=viewthread&amp;tid=1263</link>
      <description><![CDATA[利用weka读入.libsvm文件，都是这个样子

做分类什么都得不到，为什么？
是因为weka把libsvm的类别信息（1和-1）都当成了数值（Numeric型）。这里需要用 NumericToNominal filter将其转化为Nominal型！
看一下最后一个特征前面的标号（index），然后转化一下：

 ...]]></description>
      <category>weka</category>
      <author>zouquan</author>
      <pubDate>Thu, 21 Jul 2016 09:04:15 +0000</pubDate>
    </item>
    <item>
      <title>在WEKA中使用SMOTE对不平衡数据集预处理的步骤</title>
      <link>http://123.57.240.48/forum.php?mod=viewthread&amp;tid=1208</link>
      <description><![CDATA[对于不平衡的数据集，经特征提取后形成的arff特征文件，要经过一个预处理过程使得数据平衡。

在WEKA中打开原始的arff特征文件，在“Filter”中选择supervised－&gt;SMOTE进行过采样。在SMOTE的参数设置中，默认对少数类进行过采样，当然也可以设置对特定类别进行过采样 ...]]></description>
      <category>weka</category>
      <author>RockRabbit</author>
      <pubDate>Mon, 11 Apr 2016 13:52:03 +0000</pubDate>
    </item>
    <item>
      <title>java跑LibLINEAR</title>
      <link>http://123.57.240.48/forum.php?mod=viewthread&amp;tid=1091</link>
      <description><![CDATA[因为自己比较水，在用java跑LibLINEAR的时候出现各种问题，这里直接给出一个按默认参数，10折交叉验证的可以跑LibLINEAR的jar包
       
       参数只有一个，就是放arff文件的文件夹绝对路径。

       java -jar runLibLINEAR.jar inputDirPath

 ...]]></description>
      <category>weka</category>
      <author>zjcdm</author>
      <pubDate>Sat, 08 Nov 2014 02:51:27 +0000</pubDate>
    </item>
    <item>
      <title>Weka和Mulan使用过程中的小Tips</title>
      <link>http://123.57.240.48/forum.php?mod=viewthread&amp;tid=1007</link>
      <description><![CDATA[实验室科研工作中有时候会遇到某些特征选择算法Weka本身不具备，要从其他软件中得到选择后的特征的情况。例如，MID/MIQ特征选择算法。此外，使用非Weka自带特征选择算法选择特征之后，又想使用Weka进行下一步分类，那么该怎么办？

      1. 使用MID等做完特征 ...]]></description>
      <category>weka</category>
      <author>chenwq</author>
      <pubDate>Thu, 27 Mar 2014 15:33:00 +0000</pubDate>
    </item>
    <item>
      <title>聚类软件APCluster--已集成到weka，请大家测试</title>
      <link>http://123.57.240.48/forum.php?mod=viewthread&amp;tid=983</link>
      <description><![CDATA[有使用或修改意见请回帖。@chenwq]]></description>
      <category>weka</category>
      <author>zouquan</author>
      <pubDate>Thu, 19 Dec 2013 03:02:11 +0000</pubDate>
    </item>
    <item>
      <title>关于LibD3C2.0的尝试</title>
      <link>http://123.57.240.48/forum.php?mod=viewthread&amp;tid=965</link>
      <description><![CDATA[]]></description>
      <category>weka</category>
      <author>chenwq</author>
      <pubDate>Mon, 18 Nov 2013 11:04:45 +0000</pubDate>
    </item>
    <item>
      <title>LibShortText - 短文本分类</title>
      <link>http://123.57.240.48/forum.php?mod=viewthread&amp;tid=869</link>
      <description><![CDATA[Chih-Jen Lin的新作。

http://www.csie.ntu.edu.tw/~cjlin/


[*]LIBSVM: a simple and easy-to-use support vector machines tool for classification (C-SVC, nu-SVC), regression (epsilon-SVR, nu-SVR), and distribution estimation. 
It includes a GUI fo ...]]></description>
      <category>weka</category>
      <author>xmubingo</author>
      <pubDate>Mon, 01 Apr 2013 09:22:30 +0000</pubDate>
    </item>
    <item>
      <title>weka下的参数优化和搜索算法</title>
      <link>http://123.57.240.48/forum.php?mod=viewthread&amp;tid=867</link>
      <description><![CDATA[1. classify - meta  -  CVParameterSelection

可以自定义参数个数和搜索范围。搜索全部可能的点。

优点：参数个数可以自定义
缺点：时间很长。比如SVM的C和G参数，每个参数搜索10个可能的点，那么一共需要跑10*10次的交叉验证。

2. classify - meta - GridSe ...]]></description>
      <category>weka</category>
      <author>xmubingo</author>
      <pubDate>Mon, 01 Apr 2013 02:53:53 +0000</pubDate>
    </item>
    <item>
      <title>Weka中的Ensemble Learning</title>
      <link>http://123.57.240.48/forum.php?mod=viewthread&amp;tid=856</link>
      <description><![CDATA[Weka中自带了许多集成学习的算法。
比如： AdaboostM1， Bagging，Stacking，还有投票策略用的Vote。（不知道原始boosting在哪里）

在扩展包里也有一些新算法，如下图所示：


每种算法都不尽然相同，比如AdaBoost首先初始化每个样本相同的权重，对样本进行多次 ...]]></description>
      <category>weka</category>
      <author>xmubingo</author>
      <pubDate>Wed, 27 Mar 2013 06:28:03 +0000</pubDate>
    </item>
    <item>
      <title>用weka做特征选择</title>
      <link>http://123.57.240.48/forum.php?mod=viewthread&amp;tid=854</link>
      <description><![CDATA[原文：
http://www.laps.ufpa.br/aldebaro/weka/feature_selection.html

Some feature selection using Weka through the command line

Prof. Mark Hall wrote most of Weka\'s code for feature selection, so a good place to find documentation is his web pa ...]]></description>
      <category>weka</category>
      <author>xmubingo</author>
      <pubDate>Mon, 25 Mar 2013 09:52:00 +0000</pubDate>
    </item>
    <item>
      <title>weka3.7中需要添加的包</title>
      <link>http://123.57.240.48/forum.php?mod=viewthread&amp;tid=490</link>
      <description><![CDATA[3.7以上版本不带libSVM和liblinear以及许多其他分类器，需要自己下载。用Tool--&gt;Package Manager(Available)来安装。注意：相关软件被下载到了
C:\\Users\\Administrator\\wekafiles   (windows7)
C:\\Documents and Settings\\Administrator\\wekafiles   (XP)
下

有时 ...]]></description>
      <category>weka</category>
      <author>zouquan</author>
      <pubDate>Sun, 11 Mar 2012 15:30:41 +0000</pubDate>
    </item>
    <item>
      <title>工厂模式+单例模式封装WekaFactory来构造Weka中各种对象</title>
      <link>http://123.57.240.48/forum.php?mod=viewthread&amp;tid=422</link>
      <description><![CDATA[更方便更简单起见，封装了Weka。虽然我不懂Weka  


// 测试WekaFactory工厂模式封装的优点：
    1. 良好的封装性，代码结构清晰
    2. 扩展性很好
    3. 屏蔽weka具体类
    4. 典型的解耦框架

单例模式的优点：
　  1. 减少内存开支
    2. 减 ...]]></description>
      <category>weka</category>
      <author>chenwq</author>
      <pubDate>Tue, 17 Jan 2012 13:30:40 +0000</pubDate>
    </item>
    <item>
      <title>weka的多线程交叉验证</title>
      <link>http://123.57.240.48/forum.php?mod=viewthread&amp;tid=420</link>
      <description><![CDATA[http://weka-parallel.sourceforge.net/

呼唤哪位同学去测试一下，并写个文档。]]></description>
      <category>weka</category>
      <author>zouquan</author>
      <pubDate>Mon, 16 Jan 2012 03:06:23 +0000</pubDate>
    </item>
    <item>
      <title>Weka数据挖掘一小时快速入门</title>
      <link>http://123.57.240.48/forum.php?mod=viewthread&amp;tid=332</link>
      <description><![CDATA[嘿嘿，我承认我是标题党，“一小时”还是说得有点片面哦，前提是你需要看了些基本的数据挖掘知识，如关联规则、分类和聚类，因为这里就是讲的这三个东东，不过与一般的教科书不同，这可是有图的。
好的，废话不多说，上资料（来源于Depaul University ECT584-Web Data  ...]]></description>
      <category>weka</category>
      <author>tangzk</author>
      <pubDate>Wed, 26 Oct 2011 12:30:11 +0000</pubDate>
    </item>
    <item>
      <title>weka中libSVM的概率输出！</title>
      <link>http://123.57.240.48/forum.php?mod=viewthread&amp;tid=324</link>
      <description><![CDATA[同学们，注意了。
在用weka进行编程实现分类器调用进行投票的时候。
如果你选择的是三个分类器进行概率投票的时候，由于一些分类器，例如libSVM，默认的输出结果都是0或1，没法得到概率，所以如果你使用默认的设置的话，就相当于采用的是majority vote的方法。 不信大 ...]]></description>
      <category>weka</category>
      <author>RockRabbit</author>
      <pubDate>Thu, 13 Oct 2011 01:54:08 +0000</pubDate>
    </item>
    <item>
      <title>基于网格的weka</title>
      <link>http://123.57.240.48/forum.php?mod=viewthread&amp;tid=283</link>
      <description><![CDATA[http://grid.deis.unical.it/weka4ws/

weka跑不动，mahout又不会，怎么办？试试这个~~~]]></description>
      <category>weka</category>
      <author>zouquan</author>
      <pubDate>Wed, 21 Sep 2011 06:47:49 +0000</pubDate>
    </item>
    <item>
      <title>weka不同版本的不兼容问题</title>
      <link>http://123.57.240.48/forum.php?mod=viewthread&amp;tid=223</link>
      <description><![CDATA[3.5的随机森林和3.6就不兼容

用3.5 save的model，3.6读不出来

同样的数据，3.6 build出来的model比3.5小的多，也节省内存]]></description>
      <category>weka</category>
      <author>zouquan</author>
      <pubDate>Mon, 15 Aug 2011 14:01:19 +0000</pubDate>
    </item>
    <item>
      <title>关于weka3.7与weka3.6</title>
      <link>http://123.57.240.48/forum.php?mod=viewthread&amp;tid=177</link>
      <description><![CDATA[忙活一下午与晚上的问题终于得到圆满解决。邹老师给的java调用weka程序搞了半天还是出现报错，先以为是代码，再后来是eclipse版本，最后是jdk，每次都是毫无意外地出现java.lang.StringBuffer cannot be cast to        weka.classifiers.evaluation.output.prediction. ...]]></description>
      <category>weka</category>
      <author>cwc</author>
      <pubDate>Sat, 23 Jul 2011 12:10:47 +0000</pubDate>
    </item>
    <item>
      <title>weka下运行libsvm的方法</title>
      <link>http://123.57.240.48/forum.php?mod=viewthread&amp;tid=120</link>
      <description><![CDATA[------2013.3.31----------
weka 3.6.9用底下的“旧方法”安装失败！
抛出“problem evaluating classifier rand”错误！

正确办法：

1. 先安装WEKA3.7.9，用tools-package manager安装libsvm，然后到用户目录下wekafiles\\packages\\LibSVM\\lib中找到libsvm.jar  ...]]></description>
      <category>weka</category>
      <author>xmubingo</author>
      <pubDate>Mon, 16 May 2011 06:05:46 +0000</pubDate>
    </item>
  </channel>
</rss>