第一步，你要有中文的数据的收藏；第二步，将数据 set准备成weka可以处理的结构，这是非常容易做到的。您只需要压缩数据 set，因为它需要将一个类别的文件放在一个文件夹中。但是还有一个问题。你的机器往往没有那么多内存来处理这个数据 set，你可以选择几个类别，每个类别放几十个文档来做。第三步，分词。第四步，利用wekawiki中的例子，将数据 set转换成arff格式。
5、统计分析与 数据 挖掘有区别吗统计分析与数据 -1/大相径庭。具体区别如下:1。数据数量:数据分析-。2.约束:数据分析是基于一个假设，需要建立一个方程或模型来匹配假设，而数据 挖掘不需要假设就可以自动建立方程；3.对象:数据分析往往是针对数字化的数据，而数据 挖掘可以采用不同的类型数据，比如声音、。
6、大 数据 挖掘方法有哪些谢谢邀请。数据 挖掘:神经网络方法神经网络由于其良好的鲁棒性、自组织性和适应性、并行处理、分布式存储和高容错性，非常适合解决数据 挖掘，因此近年来越来越受到人们的青睐。遗传算法遗传算法是一种基于生物自然选择和遗传机制的随机搜索算法，是一种仿生全局优化方法。遗传算法因其隐含的并行性和易于与其他模型结合，在-2挖掘中得到应用。
其主要优点是描述简单，分类速度快，特别适合大规模数据处理。粗糙集理论是一种研究不精确和不确定知识的数学工具。粗糙集方法有几个优点:它不需要给出额外的信息；简化输入信息的表达空间；该算法简单，易于操作。粗糙集处理的对象是类似于二维关系表的信息表。覆盖正例拒斥反例法是利用覆盖所有正例拒斥所有反例的思想来寻找规律。首先，从正例集中选择一个种子，逐个与反例集进行比较。
7、 数据 挖掘中的 文本多分类和 文本多类分类有区别吗?文本挖掘从功能上可以分为总结、分类、聚类和趋势预测。文本 Summary是指从文档中提取关键信息，以简洁的形式概括或解释文档的内容。以便用户可以在不浏览全文的情况下理解文档或文档集合的整体内容。文本 Summary在某些情况下非常有用。例如，当搜索引擎向用户返回查询结果时，它通常需要给出文档的摘要。目前，大多数搜索引擎只是截取文档的前几行。
这样，用户不仅可以方便地浏览文档，还可以通过限制搜索范围来更容易地找到文档。目前，雅虎仍然对Web文档进行人工分类，这极大地限制了其索引页面的数量和覆盖范围。可以说文本分类的研究具有广阔的商业前景和应用价值。文本聚类和分类的区别在于，聚类没有预定义的话题类别，是典型的没有老师的机器学习问题。其目标是将文档集合分成若干个簇，同一簇中的文档相似度尽可能大。
8、信息检索,web 数据 挖掘 文本 数据 挖掘的区别是什么?我是一个计算机硕士...信息检索是一门学科，凡是与信息检索有关的都可以归为信息检索。比如在图书馆找到自己想要的书，也是信息检索的一个方向。WEB 数据 挖掘一般分为两类，一类是关系知识挖掘，就是发现网络连接的内部模式，一类是内容知识挖掘，一类是内容知识-1。
9、什么是 数据 挖掘?数据挖掘(数据挖掘)是从大量的数据中提取隐藏但潜在有用的信息的过程。数据 挖掘的目标是建立一个决策模型，根据过去的行动预测未来的行为数据，什么是数据 -1/。谬误:数据 挖掘是一个计算机驱动的过程，它在一个庞大而复杂的数据库中寻找模式，并自动进行，事实:数据 挖掘是一个用户驱动的过程，利用计算机浏览大量的数据找到有用的规律。
