Weka
神经网络分析
常用的神经网络就是向前反馈的
BP(Back Propagation)
网络,也叫多层前馈网络,而
BP
在
weka
中就是由
MultilayerPerceptron
算法实现的。
(1)
在
Weka
主界面选择
Explorer>Open
file
选择数据文件(将xls转换成csv格式)
(2)
选择
Classify
选项卡,选择
Choose
按钮,然后再选择
functions>MultiLayerPreceptron
(3)
在
Test Option
中选择
Use Training set
,然后单击
Choose
右侧文本框
GUI
下拉框,选择
True
,其他默认,在
Start
按钮上方选择输出层,即要预测的值,然后点击点击
OK
按钮,然后单击
Start
按钮,设置参数,
点击
Start
,运行后选择
Accept
。(
momentum
带动量)
得到运行结果,在
Exploerer>Classifier
output
中可以看到结果:
=== Run information ===
Scheme:
weka.classifiers.functions.MultilayerPerceptron -L 0.3 -M 0.2 -N
500 -V 0 -S 0 -E 20 -H a -G -R
Relation:
shuizhi2003-weka.filters.unsupervised.attribute.Remove-R2-7
Instances:
23
Attributes:
7
溶解氧
B1
B2
B3
B4
B5
B6
Test mode:
evaluate on training data
=== Classifier model (full training set)
===
Linear Node 0
Inputs
Weights
Threshold
-0.7803035779165746
Node 1
-3.5991023803526447
Node 2
2.1968777991012516
Node 3
3.146316946815286
Sigmoid Node 1
Inputs
Weights
Threshold
-2.1644039121288583
Attrib B1
3.5316131171975034
Attrib B2
-3.2085377318533648
Attrib B3
-3.040826618503377
Attrib B4
2.5982786224902887
Attrib B5
-0.11957884133740122
Attrib B6
1.844990948707308
Sigmoid Node 2
Inputs
Weights
Threshold
-1.0555748116838761
Attrib B1
-0.3887415141267751
Attrib B2
1.7835144295128773
Attrib B3
-1.404906253700419
Attrib B4
-2.458278666190213
Attrib B5
4.483492439027104
Attrib B6
-4.021881778908347
Sigmoid Node 3
Inputs
Weights
Threshold
-0.4134171735223275
Attrib B1
0.12309277936284704
Attrib
B2
1.278817931602191
Attrib B3
0.5473417036767106
Attrib B4
0.18852178888400642
Attrib B5
3.3505018112173235
Attrib B6
2.1259296458835206
Class
Input
Node 0
Time taken to build model: 319.32
seconds
=== Evaluation on training set ===
=== Summary ===
Correlation coefficient
0.9261
Mean absolute error
0.9066
Root mean squared error
1.1904
Relative absolute error
34.8133 %
Root relative squared error
40.4467 %
Total Number of Instances
23
相关推荐
Java调用weka神经网络算法预测股票,含有代码及数据,代码有详细解释,数据为大量数据。
「java调用Weka中神经网络的算法(从数据库中取数据)」.docx
人工神经网络的最后的实验。用了两种方法,bp算法和 rbf 径向基神经网络
原棉性能与成纱质量的WEKA-人工神经网络预测.pdf
Weka 贝叶斯网络实践教程,讲述贝叶斯网络建模软件Weka的基本功能和操作流程
WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用...
微神经 用于共同阅读weka神经元源码chen fl
weka 数据挖掘 bank_data.arff wine.arff等
嵌入weka中使用的支持向量机工具包,实现SVM的分类算法,
weka-src[weka源码] 供参考
WEKA中文教程WEKA中文教程WEKA中文教程WEKA中文教程WEKA中文教程WEKA中文教程
带有 [Weka] 插件的 Java(卷积或全连接)神经网络实现( )。 使用 dropout 和修正线性单位。 实现是多线程的,并使用 [MTJ] ( ) 矩阵库和本机库来提高性能。 安装 威卡 转到以查找最新版本。 下载文件 Neural...
Weka 开发[1]-Instances类 1 Weka开发[2]-分类器类 2 Weka开发[3]-Evaluation类 3 Weka开发[4]-特征选择 4 Weka开发[5]-半监督算法 6 Weka开发[0]-导入Weka包 8 半监督算法工具SVMlin使用 12 半...
对Weka从最基本的如何将weka导入eclipse开始,一步一步教你进入WEKA的天堂。
针对煤层顶板冒落原始数据样本较少的特点,采用神经网络理论和粗糙集理论,利用ULtraEdit和weka软件,建立了基于神经网络的煤层顶板冒落预测模型,实现了对小样本条件下煤层顶板冒落的预测。
同时weka也是新西兰的一种鸟名,而WEKA的主要开发者来自新西兰。 WEKA作为一个公开的数据挖掘工作平台,集合了大量能承担数据挖掘任务的机器学习算法,包括对数据进行预处理,分类,回归、聚类、关联规则以及在新...
weka资料\1 有没有weka相关的qq群.doc ........\assignment1.pdf ........\BayesianNetClassifiers.pdf ........\ExperimenterTutorial-3.5.3.pdf ........\ExperimenterTutorial.pdf ........\ExplorerGuide-...
在第2版weka中文版的 基础上制作了第3版,暂定版本v0.3。将 guichooser 汉化完成。考虑到大家还是习惯使用 guichooser 作为默认启动界面,将 RunWeka.ini 中的设置恢复默认。但是为了支持中文,其中的编码选项从 cp...
weka_doc(weka文档)。。一个做数据分析的Java系统。开源。。
Java实现对Weka算法的应用案例。Java实现对Weka算法的应用案例。Java实现对Weka算法的应用案例。