# 4.3 Class 屬性
WEKA 中的分類器被設計成經過訓練后可以預測一個 class 屬性,也就是預測的目標。有的分類器只可用來學習分類型的 class 屬性;有的則只可用來學習數值型的 class 屬性 (回歸問題);還有的兩者都可以學習。
默認的,數據集中的最后一個屬性被看作 class 屬性。如果想訓練一個分類器,讓它 預測一個不同的屬性,點擊 Test options 欄下方的那一欄,會出現一個屬性的下拉列表 以供選擇。
- 1 啟動 WEKA
- 2 WEKA Explorer
- 2.1 標簽頁
- 2.2 狀態欄
- 2.3 Log 按鈕
- 2.4 WEKA 狀態圖標
- 3 預處理
- 3.1 載入數據
- 3.2 當前關系
- 3.3 處理屬性
- 3.4 使用篩選器
- 4 分類
- 4.1 選擇分類器
- 4.2 測試選項
- 4.3 Class 屬性
- 4.4 訓練分類器
- 4.5 分類器輸出文本
- 4.6 結果列表
- 5 聚類
- 5.1 選擇聚類器(Clusterer)
- 5.2 聚類模式
- 5.3 忽略屬性
- 5.4 學習聚類
- 6 關聯規則
- 6.1 設定
- 6.2 學習關聯規則
- 7 屬性選擇
- 7.1 搜索與評估
- 7.2 選項
- 7.3 執行選擇
- 8 可視化
- 8.1 散點圖矩陣
- 8.2 選擇單獨的二維散點圖
- 8.3 選擇實例
- 參考文獻