上篇中我们用到了一个天气的数据集：

这个数据集由14个样本组成，每个样本有4个有关于天气的属性和一个“class”属性（之后我们需要预测的属性）。

---

回到上节课的位置

image.png

我们可以看到play属性，在柱状图中蓝色表示yes，红色表示no

实际上Weka默认将最后一个属性作为Class Value。

实际上可以用你也可以修改class value。

---

分类问题

这个分类问题，有的时候我们称为“监督学习”——因为我们的训练集已经已知了Class Value。
现在我们已录入的数据作为已分类的例子，我们希望自动建立一个可用于预测新的实例的模型。这是一个分类的问题。

这个实例有不同的属性值，有一组固定的特性。我们赋予它这个Class value，这样就产生了一个已分类的实例。
这些属性或特性可以是离散（discrete（“nominal”名词性））的或
是连续（continuous（“numeric”数字型））的，就想我们之前的天气数据的属性是离散的， Class Value也可以是离散的或者连续的。在我们之前的例子play，属性值就是yes 或者 no，这个就是离散的Class value，这是一个分类问题，在其他的机器学习问题中，Class vlue可能就是连续，我们可能想要预测一个数字，这种问题在商业领域叫回归问题。

---

打开一个另一个天气数据集

我们可以看到这个数据集几乎和前一个例子完全一样
打开编辑面板可以看到

temperature和humidity是属性值是连续的（数字性），而之前是名词性的。
我们看一下oulook属性，属性值还是名词性的（离散的），样本的分布还是和上个例子一样。

而temperature，我们无法表达出所有的属性值，因为属性值是连续的（太多了），但我们可以有最大值，最小值，平均值和标准差（这些信息是weka为数字属性提供的）。

temperature .

---

我们现在来看一下一个真实的数据集glass数据集。

这个数据集有214个实例，10个属性。
Class默认是Type，我们看一下Type的属性值，可以知道这个数据集中有7种不同的玻璃类型。

而属性对应的是什么呢？

在查看数据时，最好能看看属性是否合理，深入了解要使用的数据是非常重要的。

• RI：折射率

  
  
  

  我们可以观察一下折射率，折射率的最大值，最小值，平均值和标准差，可以查找一下资料就能知道这些值是合理的。
  接下来Na，Mg，Al..就是各种化学元素的含量（百分比）。

ARFF文件

我们可以通过观察数据来肯定我们的猜测

以@data打头，接下来都是一行接一行的实例。
每行包括了了所有属性的值，默认的Class Value是最后一个。

现在确认了关于这些连续型的属性值是指百分比。
我们可以思考一下，属性值的合理性是很重要的，例如在这个数据集中，如果元素的百分比出现了负数，这可能意味着这些值出现了错误。负数的百分比是不正常的。

所以，我们在使用数据集之前，可以在Weka中确认一下数据的看起来合理真实。