机器学习

目的

机器学习的目的，就是让程序从已知的数据中自己找出规律，然后将规律应用到未知的数据中去。构建机器学习模型时，最重要的部分便是模型的评估。一个模型没有经过交叉验证的评估，那么得出的准确率都是不太可靠的。模型评估中，除了训练数据和测试数据，还会涉及到验证数据。

测试和训练

机器学习的目的，就是要让程序从已知的数据中自己找出规律，然后将规律应用到未知的数据中去。不同于常规程序的步骤，由程序员事先设置好各种条件与跳转指令或者步骤，由程序一步步执行，直到程序结尾。机器学习的程序，程序员只负责设计程序如何去学习，至于学到什么规律，那主要是由给定的数据来决定的。再将学到的规律，应用到未知的数据集上去，这才是机器学习的核心魅力。

这其中便涉及两份数据集，一份给“机器”用于学习的数据，通常也叫训练数据集(training data)，机器学习到的知识，通常叫模型。最后机器使用学习到的模型，对未知数据进行预测，这份数据通常叫测试数据(testing data)。因此，在程序中，会看到大量的train和test相关的变量，基本上的意思都指训练数据与测试数据相关。

环境

Java 1.8

IntelliJ IDEA

1. 下载Weka.jar库

   下载链接：http://www.cs.waikato.ac.nz/ml/weka/snapshots/weka_snapshots.html

   下载stable.XX.zip，解压缩文件，在IDEA中将weka.jar添加到Java项目的库路径中。

2. 准备数据

这个数据集来自weka下载包。它位于“/data/weather.numeric.arff”。

3.使用Weka测试和训练

以下代码使用Weka提供的一组分类器。它在给定的数据集上使用训练模型，并使用10-split交叉验证。