| Weka Classifier图书馆的名称 | 算法描述 | 缩写 | 使用参数 |
|---|---|---|---|
| 多层的感觉器 | 基于错误率（即损耗），用于调整神经网络的权重的主网络。 | BNN. | autobuild：true; 学习率：0.3; 势头：0.1; 培训时间：500 隐藏层= 25 |
| libsvm. | 此库使用户能够处理单级SVM，回归SVM和NU-SVM。允许许多有用的统计数据包括混淆矩阵，精度估计，ROC得分。 | libsvm. | SVM类型：NU-SVC; 内核类型：径向基函数; nu：0.g; 伽玛：0.1; 学位：3 规范化：真实; 概率估计：真实 |
| 物流 | 用于构建和使用具有脊估计器的多型物流回归模型。 | 日志 | 调试：假; maxits：-1; 山脊：1.0e-6 |
| 随机森林 | 此分类器可以创建随机树的森林。它从训练数据的引导样本引起每个组成决策树 | RF. | 调试：假; maxdepth：0; 特点的数量：0; 树木的数量：10; 种子：1 |