1. weka数据分析实验报告
优点
weka是开源软件，代码是公开的，Java编写，可以寻找合适方案进行二次开发
当维度为适当维度，如百维及以内，训练样本在万级以内的时候，其挖掘的应用和效果都是可圈可点的。
缺点
weka是小而美的数据挖掘工具，当维度特别高时，如达到千维及以上，训练样本数达到万级以上时候，其可用性是极差的。
算法库有限，仅有完善的聚类，分类和相关性分析；
2. weka自带数据集实验报告
人工智能ai用什么编程语言
如今，人们期望AI程序员掌握多种语言，因为它们是在跨学科环境中而不是在孤岛中工作。 该列表为Python，R，Java，Lisp，Prolog，Julia等。
尽管当前这一代人更喜欢Python，但是前端开发人员必须了解用于机器学习应用程序JavaScript，Python和R.知名组织的流程自动化首席开发人员知道R，Java，Nia和.Net并为人工智能，机器学习，聊天机器人，自动化系统等。然而，大型企业系统继续使用Java编写。 我的一位开发人员朋友在编写Siri之前的通信工具时使用了PHP。 R，Matlab，Weka是机器学习和数据挖掘所必需的。
没有一种“ AI语言”可以被视为最佳编程语言。
因此，让我们讨论一些在全球AI项目中流行和使用的流行语言。
1）Python：
在AI，ML和数据分析的所有其他语言中，它排名第一。 建议您在需要快速编码时使用。
Python是最喜欢的选择，因为：
•它拥有一个很棒的图书馆生态系统。 一些常用的库有SciKit-learn处理基本的ML算法，Pandas用于高级数据结构和分析，Keras和TensorFlow用于深度学习，Matplotlib用于可视化。 如今，大多数AI工程师都使用Keras和TensorFlow。
•对于AI开发人员而言，学习曲线要容易得多。
•Python语言灵活，可以减少出错的可能性，程序员也可以将Python与其他语言结合使用。
•由于python与平台无关，因此节省了用于在各种平台上进行测试的金钱和时间。 它使整个平台变得简单便捷。
2）Lisp：
Lisp是开发人员在构建AI解决方案时解决归纳逻辑项目中问题的最喜欢的语言。 除了Lisp，Prolog，Scheme之外，Haskell还适合进行基于逻辑的AI项目。
Lisp用于AI的原因如下：
•支持符号编程。
•不区分数据和代码，这使语言更加强大。
•比其他编程语言可扩展。
•Read-Eval-Print Loop简化了交互式编程。
•它具有良好的环境，例如调试，增量编译器等。
3）序言：
Prolog具有独特的功能，例如模式匹配和自动回溯。 此功能在AI开发中用于高级解决方案。 它是一种逻辑编程语言，受到AI程序员的青睐。
Prolog程序包括：
•声明关系事实。
•宣布有关关系的规则。
•问题的表达。
因此，序言可以分析行为，陈述和条件陈述之间的关系，这对人工智能很有帮助。
4）Matlab：
建议在实现复杂的数学运算时使用Matlab。 Matlab提供AI功能，例如Caffe和TensorFlow。 它使您可以将AI集成到完整的工作流程中。 在某种程度上，借助MATLAB，即使没有机器学习经验，您也可以开始使用AI。 您可以使用应用程序并快速尝试其他方法。
C ++：
AI工程师建议将其用于搜索引擎，计算机游戏，构建神经网络等项目，因为它有助于更快地执行复杂算法。 由于C ++由于继承和数据隐藏而支持程序的重用，因此节省了时间和成本。
建议使用C ++，因为：
•轻松找到解决复杂AI问题的解决方案
•丰富的库函数和编程工具
•它支持面向对象的原理，可用于获得有组织的数据
5）Java：
Java用于神经网络，可与搜索算法很好地配合使用。 它可以用于较大的项目。
Java产生的一些好处包括：
•使用方便
•调试方便
•包装服务
•数据的图形表示
•更好的用户交互
•带有Swing和Standard Widget Toolkit的复杂图形和界面
因此，每种语言都具有特定的功能和优点。
3. 用weka进行数据分析
Weka的全名是怀卡托智能分析环境（Waikato Environment for Knowledge Analysis），是一款免费的，非商业化（与之对应的是SPSS公司商业数据挖掘产品--Clementine ）的，基于JAVA环境下开源的机器学习（machine learning）以及数据挖掘（data mining）软件。
4. weka实验总结
大数据有一个很明显的特征就是大，所以只有少数大企业和掌握大量私人信息的政府机构才有发展的平台。不过大数据能够创造的就业空间是非常少的，因为大数据技术门槛高，而且发展平台有限，注定是属于少数人的狂欢，绝大多数人都享受不到大数据带来的经济利益。
大数据有一个非常重要的功能便是流量去中心化。未来，大数据技术发展到极致，每个人能够看到的内容都是不一样的，每个人可以获取的信息也是不一样的。就像现在的淘宝，千人千面，一千个淘宝用户有一千个淘宝首页。阿里巴巴自然是挣到盆满钵满，但一般人就要小心自己的钱袋子了，马爸爸可能比你还清楚你需要的是什么。
由于数据是一种财富，因此个人信息被一些大企业用于大数据的分析其实是一种榨取用户价值的违法行为。但是我国法律在这一块管理并不严格，因此中国的大数据发展可能会领先世界。不过，随着国民隐私意识的提升，未来那些大数据公司想要肆意滥用公民的信息可能会有一定的难度。总体来说，如果你对IT技术有兴趣并且有天赋，大数据可以为你在最短的时间内挣取最多的财富。
5. 用weka进行数据处理实验报告
第一步，你要有中文的数据集；
第二步，数据集要准备成weka能处理的结构，这很好做到，你把数据集压缩了就行了，因为它要求的格式是，一个类别的文件放一个文件夹下。但是还有一个问题，你的机器往往没那么多内存去处理这个数据集，那么你可以选几个类别出来，在每个类别中放几十个文档来做就可以了。
第三步，分词。
第四步，使用weka wiki中的例子将数据集转换成arff格式。weka是一种机器学习算法的集合，它可以用于分类，预测等。由于weka支持的数据格式是arff或csv的格式，因此在进行weka实验的时候必须进行数据的预处理。
一般，我们可以在EXCEL里面导入TXT，然后另存为.CSV格式的文件（这个格式WEKA也是可以识别的），然后打开WEKA，–》TOOL–》 arffviewer中打开刚才的.CSV文件，另存为.arff就OK了！