有书签的近期，由FrankHutter,LarsKotthoff,JoaquinVanschoren撰写的《AUTOML：方法，系统，挑战》“AUTOML:METHODS,SYSTEMS,CHALLENGES(NEWBOOK)”221页的草稿版本已经放出，详细讲解了所有AutoML系统背后的基础知识，以及对当前AutoML系统进行了深入描述，Auto-WEKA、Hyperopt-Sklearn、Auto-sklearn等，最后介绍了AutoML的挑战。
作者当前正在完成这本新书的编辑工作，它将由NIPS2018出版发行。

一个非常好的数据挖掘工具WEKA的全名是怀卡托智能分析环境（WaikatoEnvironmentforKnowledgeAnalysis），它的源代码就是它的安装目录下weka-src.jar解压后得到。
有一本书《数据挖掘：实用机器学习技术》第2版是和weka配套的。
同时weka也是新西兰的一种鸟名，而weka的主要开发者来自新西兰。
weka作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。
如果想自己实现数据挖掘算法的话，可以看一看weka的接口文档。
在weka中集成自己的算法甚至借鉴它的方法自己实现可视化工具并不是件很困难的事情本文来自:人大经济论坛详细出处参考：http://www.pinggu.org/bbs/viewthread.php?tid=619834&page=1

weka和libsvm和wlsvm的jar包下载，可以在weka中集成后两者进行svm分类

该文件是《数据挖掘》课程作业题目是基于weka对银行客户信息的关联分析内有代码

目录列表：2dplanes.arffabalone.arffailerons.arffAmazon_initial_50_30_10000.arffanneal.arffanneal.ORIG.arffarrhythmia.arffaudiology.arffaustralian.arffauto93.arffautoHorse.arffautoMpg.arffautoPrice.arffautos.arffauto_price.arffbalance-scale.arffbank.arffbank32nh.arffbank8FM.arffbaskball.arffbodyfat.arffbolts.arffbreast-cancer.arffbreast-w.arffbreastTumor.arffbridges_version1.arffbridges_version2.arffcal_housing.arffcar.arffcholesterol.arffcleveland.arffcloud.arffcmc.arffcolic.arffcolic.ORIG.arffcontact-lenses.arffcpu.arffcpu.with.vendor.arffcpu_act.arffcpu_small.arffcredit-a.arffcredit-g.arffcylinder-bands.arffdelta_ailerons.arffdelta_elevators.arffdermatology.arffdetroit.arffdiabetes.arffdiabetes_numeric.arffechoMonths.arffecoli.arffelevators.arffelusage.arffeucalyptus.arffeye_movements.arfffishcatch.arffflags.arfffried.arfffruitfly.arffgascons.arffglass.arffgrub-damage.arffheart-c.arffheart-h.arffheart-statlog.arffhepatitis.arffhouse_16H.arffhouse_8L.arffhousing.arffhungarian.arffhypothyroid.arffionosphere.arffiris.2D.arffiris.arffkdd_coil_test-1.arffkdd_coil_test-2.arffkdd_coil_test-3.arffkdd_coil_test-4.arffkdd_coil_test-5.arffkdd_coil_test-6.arffkdd_coil_test-7.arffkdd_coil_train-1.arffkdd_coil_train-3.arffkdd_coil_train-4.arffkdd_coil_train-5.arffkdd_coil_train-6.arffkdd_coil_train-7.arffkdd_el_nino-small.arffkdd_internet_usage.arffkdd_ipums_la_97-small.arffkdd_ipums_la_98-small.arffkdd_ipums_la_99-small.arffkdd_JapaneseVowels_test.arffkdd_JapaneseVowels_train.arffkdd_synthetic_control.arffkdd_SyskillWebert-Bands.arffkdd_SyskillWebert-BioMedical.arffkdd_SyskillWebert-Goats.arffkdd_SyskillWebert-Sheep.arffkdd_UNIX_user_data.arffkin8nm.arffkr-vs-kp.arfflabor.arfflandsat_test.arfflandsat_train.arffletter.arffliver-disorders.arfflongley.arfflowbwt.arfflu

支持向量机源码，可在www.csie.ntu.edu.tw/~cjlin/libsvm/下载到最新版本，该版本是2013年4月更新的，3.17版。
压缩包里面有源代码和文档。
以下摘自前述网站：IntroductionLIBSVMisanintegratedsoftwareforsupportvectorclassification,(C-SVC,nu-SVC),regression(epsilon-SVR,nu-SVR)anddistributionestimation(one-classSVM).Itsupportsmulti-classclassification.Sinceversion2.8,itimplementsanSMO-typealgorithmproposedinthispaper:R.-E.Fan,P.-H.Chen,andC.-J.Lin.WorkingsetselectionusingsecondorderinformationfortrainingSVM.JournalofMachineLearningResearch6,1889-1918,2005.Youcanalsofindapseudocodethere.(howtociteLIBSVM)OurgoalistohelpusersfromotherfieldstoeasilyuseSVMasatool.LIBSVMprovidesasimpleinterfacewhereuserscaneasilylinkitwiththeirownprograms.MainfeaturesofLIBSVMincludeDifferentSVMformulationsEfficientmulti-classclassificationCrossvalidationformodelselectionProbabilityestimatesVariouskernels(includingprecomputedkernelmatrix)WeightedSVMforunbalanceddataBothC++andJavasourcesGUIdemonstratingSVMclassificationandregressionPython,R,MATLAB,Perl,Ruby,Weka,CommonLISP,CLISP,Haskell,OCaml,LabVIEW,andPHPinterfaces.C#.NETcodeandCUDAextensionisavailable.It'salsoincludedinsomedataminingenvironments:RapidMiner,PCP,andLIONsolver.Automaticmodelselectionwhichcangeneratecontourofcrossvaliationaccuracy.

WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程WEKA使用教程

weka软件最全数据集，共189个，用于weka软件的数据集训练和测试，包含天气车辆肝脏肿瘤等等数据集，格式为arff

weka详细使用手册3-6-3pdf格式的

介绍Weka的主要原因是初学者可以使用图形界面进行应用机器学习，而无需进行任何编程。
这是一件大事，因为处理流程，处理数据和尝试算法是初学者应该学习的内容，而不是学习另一种脚本语言。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。