首先分享一個學習weka的網址：http://blog.csdn.net/yangliuy/article/details/7589306
（進入園子好多年，竟然是第一次寫東西，慚愧........好好學習）
1.weka介紹
我就用自己的話說說吧，weka是一個可視化的數據分析工具。對！可視化！感謝厲害的程序員們給我們帶來這么多的便利，可視化的工具確實很招人喜歡吶。簡單說下weka的極大功能模塊：首先，weka可以對數據進行預處理，比如說離散化、標准化等等，都是一個按鈕的事兒。在執行分類算法之前，weka還可以對屬性進行刪選，里面提供了不少篩選方法，比如主成分分析方法PCA，信息增益方法等，幫助我們篩選更有效的屬性，以此提高分類准確率。同時，weka提供了分類、聚類、關聯規則方法，不僅感嘆好好用啊，一些經典的、基本的機器學習方法都囊括了。最后一個是對數據集整體的可視化結果，分析了每個屬性的分布情況，用數值和柱形圖體現。
2.weka數據格式
使用weka之前需要准備好arff（Attribute-Relation File Format）格式的數據。這里我就分享一下如何將CSV轉換為arff.用Arffviewer打開你的CSV文件（注意：CSV文件必須要有屬性名，且類標簽的名字為“class”，我這里用excel打開本來沒有屬性名的csv,然后再給csv添加屬性名），然后將文件另存為arff即可。這樣就完成了csv到arff的轉換。
結果就是這樣。
2.演示
weka提供了很多機器學習算法，下面我演示的是用邏輯回歸方法對Iris數據集分類。首先進入“classify”界面，“choose”選擇分類算法，測試方法選擇的是10-交叉驗證。點擊“start”開始運行分類算法。郵編區域顯示的是分類結果，96%是分類准確率。
3.結束語
分享到這里，感謝瀏覽。