一份绝对完整的weka数据集与配套教材

【实例简介】
Weka是机器学习中的一个非常好的开源工具，对于熟悉Java的同学们来说是一个非常好的选择。Weka几乎包含了所有常见机器学习算法的Java实现，Weka中支持的数据格式主要是arff，虽然weka官网上提供了一些arff文件，但有时仅有这些还不能满足需求，为此，本人搜集各方资料，再加上自己的手工转换，整理出了一个还算比较完整的arff数据集合，在这里分享给大家,并配有教材能边看边进行案例分析
【实例截图】
【核心代码】
145492a8-1657-4cf2-aaa8-f8d8cfb9be43
├── Arff
│   ├── 2dplanes.arff
│   ├── abalone.arff
│   ├── ailerons.arff
│   ├── Amazon_initial_50_30_10000.arff
│   ├── anneal.arff
│   ├── anneal.ORIG.arff
│   ├── arrhythmia.arff
│   ├── audiology.arff
│   ├── australian.arff
│   ├── auto93.arff
│   ├── autoHorse.arff
│   ├── autoMpg.arff
│   ├── auto_price.arff
│   ├── autoPrice.arff
│   ├── autos.arff
│   ├── balance-scale.arff
│   ├── bank32nh.arff
│   ├── bank8FM.arff
│   ├── bank.arff
│   ├── baskball.arff
│   ├── bodyfat.arff
│   ├── bolts.arff
│   ├── breast-cancer.arff
│   ├── breastTumor.arff
│   ├── breast-w.arff
│   ├── bridges_version1.arff
│   ├── bridges_version2.arff
│   ├── cal_housing.arff
│   ├── car.arff
│   ├── cholesterol.arff
│   ├── cleveland.arff
│   ├── cloud.arff
│   ├── cmc.arff
│   ├── colic.arff
│   ├── colic.ORIG.arff
│   ├── contact-lenses.arff
│   ├── cpu_act.arff
│   ├── cpu.arff
│   ├── cpu_small.arff
│   ├── cpu.with.vendor.arff
│   ├── credit-a.arff
│   ├── credit-g.arff
│   ├── cylinder-bands.arff
│   ├── delta_ailerons.arff
│   ├── delta_elevators.arff
│   ├── dermatology.arff
│   ├── detroit.arff
│   ├── diabetes.arff
│   ├── diabetes_numeric.arff
│   ├── echoMonths.arff
│   ├── ecoli.arff
│   ├── elevators.arff
│   ├── elusage.arff
│   ├── eucalyptus.arff
│   ├── eye_movements.arff
│   ├── fishcatch.arff
│   ├── flags.arff
│   ├── fried.arff
│   ├── fruitfly.arff
│   ├── gascons.arff
│   ├── glass.arff
│   ├── grub-damage.arff
│   ├── heart-c.arff
│   ├── heart-h.arff
│   ├── heart-statlog.arff
│   ├── hepatitis.arff
│   ├── house_16H.arff
│   ├── house_8L.arff
│   ├── housing.arff
│   ├── hungarian.arff
│   ├── hypothyroid.arff
│   ├── ionosphere.arff
│   ├── iris.2D.arff
│   ├── iris.arff
│   ├── kdd_coil_test-1.arff
│   ├── kdd_coil_test-2.arff
│   ├── kdd_coil_test-3.arff
│   ├── kdd_coil_test-4.arff
│   ├── kdd_coil_test-5.arff
│   ├── kdd_coil_test-6.arff
│   ├── kdd_coil_test-7.arff
│   ├── kdd_coil_train-1.arff
│   ├── kdd_coil_train-3.arff
│   ├── kdd_coil_train-4.arff
│   ├── kdd_coil_train-5.arff
│   ├── kdd_coil_train-6.arff
│   ├── kdd_coil_train-7.arff
│   ├── kdd_el_nino-small.arff
│   ├── kdd_internet_usage.arff
│   ├── kdd_ipums_la_97-small.arff
│   ├── kdd_ipums_la_98-small.arff
│   ├── kdd_ipums_la_99-small.arff
│   ├── kdd_JapaneseVowels_test.arff
│   ├── kdd_JapaneseVowels_train.arff
│   ├── kdd_synthetic_control.arff
│   ├── kdd_SyskillWebert-Bands.arff
│   ├── kdd_SyskillWebert-BioMedical.arff
│   ├── kdd_SyskillWebert-Goats.arff
│   ├── kdd_SyskillWebert-Sheep.arff
│   ├── kdd_UNIX_user_data.arff
│   ├── kin8nm.arff
│   ├── kr-vs-kp.arff
│   ├── labor.arff
│   ├── landsat_test.arff
│   ├── landsat_train.arff
│   ├── letter.arff
│   ├── liver-disorders.arff
│   ├── longley.arff
│   ├── lowbwt.arff
│   ├── lung-cancer.arff
│   ├── lymph.arff
│   ├── machine_cpu.arff
│   ├── mbagrade.arff
│   ├── meta.arff
│   ├── mfeat-factors.arff
│   ├── mfeat-fourier.arff
│   ├── mfeat-karhunen.arff
│   ├── mfeat-morphological.arff
│   ├── mfeat-pixel.arff
│   ├── mfeat-zernike.arff
│   ├── molecular-biology_promoters.arff
│   ├── monks-problems-1_test.arff
│   ├── monks-problems-1_train.arff
│   ├── monks-problems-2_test.arff
│   ├── monks-problems-2_train.arff
│   ├── monks-problems-3_test.arff
│   ├── monks-problems-3_train.arff
│   ├── mushroom.arff
│   ├── mv.arff
│   ├── nursery.arff
│   ├── optdigits.arff
│   ├── page-blocks.arff
│   ├── pasture.arff
│   ├── pbc.arff
│   ├── pendigits.arff
│   ├── pharynx.arff
│   ├── pol.arff
│   ├── pollution.arff
│   ├── postoperative-patient-data.arff
│   ├── primary-tumor.arff
│   ├── puma32H.arff
│   ├── puma8NH.arff
│   ├── pwLinear.arff
│   ├── pyrim.arff
│   ├── quake.arff
│   ├── ReutersCorn-test.arff
│   ├── ReutersCorn-train.arff
│   ├── ReutersGrain-test.arff
│   ├── ReutersGrain-train.arff
│   ├── schlvote.arff
│   ├── segment.arff
│   ├── segment-challenge.arff
│   ├── segment-test.arff
│   ├── sensory.arff
│   ├── servo.arff
│   ├── sick.arff
│   ├── sleep.arff
│   ├── solar-flare_1.arff
│   ├── solar-flare_2.arff
│   ├── sonar.arff
│   ├── soybean.arff
│   ├── spambase.arff
│   ├── spectf_test.arff
│   ├── spectf_train.arff
│   ├── spectrometer.arff
│   ├── spect_test.arff
│   ├── spect_train.arff
│   ├── splice.arff
│   ├── sponge.arff
│   ├── squash-stored.arff
│   ├── squash-unstored.arff
│   ├── stock.arff
│   ├── strike.arff
│   ├── supermarket.arff
│   ├── triazines.arff
│   ├── unbalanced.arff
│   ├── vehicle.arff
│   ├── veteran.arff
│   ├── vineyard.arff
│   ├── vote.arff
│   ├── vowel.arff
│   ├── water-treatment.arff
│   ├── waveform-5000.arff
│   ├── weather.nominal.arff
│   ├── weather.numeric.arff
│   ├── white-clover.arff
│   ├── wine.arff
│   ├── wisconsin.arff
│   └── zoo.arff
└── 数据挖掘-实用机器学习技术（中文第二版）.pdf

1 directory, 190 files