這篇主要介紹Weka的專有名詞和簡單的操作，我們打開Weka後，點選最上面的Explorer，打開 weather .nominal .arff

我們先來介紹Preprocess(數據分析)變成Visualize(可視化面版)

                A. Attribute: 性質、特性，一個數據可能具有一個或一個以上的性質，以上性質可以展現出樣本的全貌

                B. Instance: 樣本，蒐集到的數據

以上圖表是為了藉由天氣、溫度、濕度和是否颳風來預測適不適合出去玩所蒐集的數據，所以我們有14個instances，5個attributes

點開outlook來看，我們可以看到被分在outlook底下的數值(現象)，分別是sunny, rainy, overcast，後面的count告訴我們出現這種現象的次數，所以總共14次，跟我們的樣本數是一樣的，也可以藉由edit來修改數值的次數

因為最後一項的attribute是play，所以class的默認是最後一項attribute

1.3

supervised learning:用每個發生機率都獨立且已分類好、數值也皆已知的instance來進行分析，來預測未來新的實例的模型(program)，一個instance具有一種獲一種以上的attribute，而這些attribute可以用數值來表示，這些數值代表我們用來描述真實情況

用weather .nominal .arff為例

前面的outlook, temp, humidity, windy這些attributes用來描述instance的狀況，並先用這些數據來用人工判斷是否適合出去玩，也就是play這格attribute，我們可以利用weka來藉前面已知play的instance來進行supervised learning、建立一個program，訓練完之後我們就可以利用這個program，輸入新的instance，判斷這個新的instance是否適合出去玩

額外對於數據性的data，weka會自動計算選取的attribute中instance的最大值、最小值、標準差這些有關統計數。

簡單的名詞介紹就到這邊，下一章節會介紹分類器---J48

參考資料:

WekaMOOC:https://www.youtube.com/channel/UCXYXSGq6Oz21b43hpW2DCvw