包括weka jar包，weka源码，及其API

文本挖掘tmSVM开源项目集成libSVM和liblinear包含Python和Java两种版本带PDF源码参考文档 简介 文本挖掘无论在学术界还是在工业界都有很广泛的应用场景。而文本分类是文本挖掘中一个非常重要的手段与技术。现有的分类技术都已经非常成熟，SVM、KNN、Decision Tree、AN、NB在不同的应用中都展示出较好的效果，前人也在将这些分类算法应用于文本分类中做出许多出色的工作。但在实际的商业应用中，仍然有很多问题没有很好的解决，比如文本分类中的高维性和稀疏性、类别的不平衡

如何安装Weka 参考： : 参考： : 什么是Weka？ 只在新西兰发现一只鸟吗？ 用于数据挖掘任务的机器学习算法 100多种分类算法 75用于数据预处理 25个辅助功能选择 20个用于聚类，查找关联规则等 两种版本的Weka Weka有两个版本：Weka 3.8是最新的稳定版本，而Weka 3.9是开发版本。 这两个版本的新版本通常每年发布一次或两次。 对于前沿技术，还可以下载这两个版本的夜间快照。 稳定版本仅接收不会破坏与早期版本的兼容性的错误修复和功能升级，而开发版本可能

scikit-multilearn scikit-multilearn是一个Python模块，能够执行多标签学习任务。 它建立在各种科学Python软件包（ ， ）的顶部，并且遵循与相似的API。 网站： 文档： 产品特点 本机Python实现。 用于多种多标签分类算法的原生Python实现。 要查看所有支持的分类器列表，请检查此。 与Meka的接口。 实现了Meka包装器类，以供参考和集成。 这样就可以访问MEKA，MULAN和WEKA（本领域的参考标准）中可用的所有方法。 建立