第十一章 数据挖掘工具及可视化,2,第十一章 目录,11.1 数据挖掘工具简介 11.1.1 数据挖掘产品 11.1.2 评价数据挖掘产品的标准 11.2 WEKA 11.2.1 WEKA Explorer 11.2.2 Experimenter 11.2.3 KnowledgeFlow 11.3 数据挖掘的可视化 11.3.1 数据挖掘可视化的过程与方法 11.3.2 数据挖掘可视化的分类 11.3.3 数据挖掘可视化的工具 11.4 本章小结,3,11.1 数据挖掘工具简介,挖掘产品 市场上有很多数据挖掘产品，它们在功能和方法上均各具特色。 评价标准 作为选择合适的数据挖掘产品的参考 ，数据挖掘产品的一般评价标准和性能指标。,4,11.2 WEKA,Waikato Environment for Knowledge Analysis智能分析环境是一个基于java、不仅可以用于完成常规的数据挖掘任务，也可以用于数据挖掘二次开发的开源产品。 WEKA直接提供了4种不同的应用环境： Explorer：探索数据的环境。 Experimenter：运行算法、管理算法方案之间的统计检验的环境。 KnowledgeFlow：支持增量学习的探索数据的环境。 Simple CLI：提供简单的命令行以直接执行WEKA命令。,5,11.2 WEKA,WEKA Explorer 载入数据后，可以切换标签来执行不同操作： Preprocess：进行数据预处理； Classify：对数据进行分类操作； Cluster：对数据进行聚类分析； Associate：从数据进行关联规则挖掘； Select attributes：对数据中相关的属性进行选择； Visualize：交互式地查看数据的二维图像。,6,11.2 WEKA,Experimenter有Simple和Advanced两种模式，使用Experiment Configuration Mode按钮在这两者间进行选择。 两种模式都可以进行在本地单一机器上的标准实验，或者分布在几台主机上的远程实验。,7,11.2 WEKA,KnowledgeFlow提供了一个“数据流”形式的界面。 KnowledgeFlow可以使用增量模式（incrementally）或者批量模式（in batches）来处理数据。,8,11.3 数据挖掘的可视化,过程与方法,9,11.3 数据挖掘的可视化,分类 不同的标准和目的导致数据挖掘可视化可以有不同的分类形式 。 按实现可视化的源数据信息集的类型分类。 按照可视化技术与数据挖掘技术的融合方式来分类。,10,11.3 数据挖掘的可视化,工具 帮助创建关于数据的图表，使数据易于理解，从而提高认知与洞察的能力。 可视化数据挖掘工具的发展,11,11.4 本章小结,本章对常见的数据挖掘产品和工具做了简单介绍，给出了较为通用的产品评价标准。介绍了数据挖掘在个领域中已有的应用，并对今后的发展做了展望。最后讨论了可视化技术与数据挖掘技术的结合，从多个角度介绍了数据挖掘的可视化。,