商标注册号查询入口官网,怎样进行seo,wordpress sora 下载,网站登录密码怎么取消保存目前非代码的数据挖掘工具很多#xff0c;但非开源#xff0c;weka是一款开源软件。只要安装jdk环境就可使用(具体安装jdk可以百度)本文将论述如何不用代码#xff0c;使用weka操作#xff0c;通过与文档频数与单词权的特征选择方法进行文本聚类(数据为附件)第一步#xf…目前非代码的数据挖掘工具很多但非开源weka是一款开源软件。只要安装jdk环境就可使用(具体安装jdk可以百度)本文将论述如何不用代码使用weka操作通过与文档频数与单词权的特征选择方法进行文本聚类(数据为附件)第一步将weka创建NetBeans文件目录中将weka导入NetBeans软件中1 在某处新建一个WEKA-Rebuild目录在它下面建一个目录叫src。在WEKA的安装目录中找到weka-src.jar用winrar之类的解压缩软件打开并把其中的目录weka解压缩到刚才建立的src目录下。 现在的目录结构应该是 WEKA-Rebuild - src- weka - associations, attributeSelection, ... 打开NetBeans“文件”菜单 - “新建项目” - 选择“常规”中的“基于现有源代码的Java项目” - “下一步”。“项目文件夹”选择WEKA-Rebuild目录“项目名称”写weka-rebuild “下一步”。在“源包文件夹”那里“添加文件夹”找到src目录“打开”“完成”。2现在NetBeans左上方项目那一栏应该有粗体的“weka-rebuild”这就是我们要编译的weka项目。右键点它“生成项目”。下方会出现很多警告不用管不出意外的话最后会提示你生成项目成功。仍然右键点击“weka-rebuild”“运行项目”。会弹出一个对话框让你设置主类。WEKA的主类可设置成weka.gui.Main。选中合适的主类后“确定”不一会儿WEKA的界面就会出现在你面前和开始菜单里运行的WEKA效果一样。打开NetBeans软件。点击源包-weka.gui.找到Main.java文件。双击结果如下图所示。第二步执行weka1.点击 源包-weka core tokenizers右键 选择 新建java类。修改类名为CHWordTokenizer选择包为weka core tokenizers点击完成 。结果见下图。2.修改代码。将已给资料中的代码复制到文本中。并将原橘黄色部分“Utf-8”改成“cp936”。如下图所示。3.点开之前已经打开过的Main.java界面点击 运行-运行文件出现下图所示界面。在该界面中点击 application-explorer。返回weka界面点击open file载进中文文档。第三步创建中文文本文件。1.将已有中文文本资料 sample 文件夹放入D盘。2.打开weka - SimpleCLI。3.在输入栏输入 【java weka.core.converters.TextDirectoryLoader-dir d:/sample d:/sample.arff】点击回车键运行。如下图所示。4.D盘出现sample.arff文件。5.打开C盘weka的安装文件夹找到RunWeka.ini文件将cp1252替换成cp936(简体中文)保存文件第四步改分词。1.打开 weka-explorer-open file-sample .arff2.Filter-choose-unsupervised-attribute-StringToWordVector将 tokenizer 改成 CHWordTokenizer点击ok4.点击apply点击save查看word形式(命名sampleword1)的成果。再次打开Filter-choose-unsupervised-attribute-StringToWordVector双击修改 StringToWordVector 的参数。将 IDFTransform 改为 True (调平滑)outputWordCounts 改为 TrueminTermFreq改为 1wordToKeep 改为 200点击 OK 运行7.点击apply点击save查看word形式(命名sampleword2)的成果。8.由下图可以看出第1个的权重变成1。660731第2个权重是2.040221第5个权重是2.278869……权重结果和sampleword1 不同。9.返回weka重新加载sample.arff原始文件10.点击 Cluster-simpleMeans双击调整参数。11.点击 distanceFunction ,选择第二项 欧氏距离。将 numClusters 改为 10点击OK
