上一篇介紹完Weka的前處理，這裡換介紹最常用的
分類（Classify）
剛進入Classify頁面，可以很清楚看到幾個大區塊架構
分類模型（Classifier）
點擊Choose可以看到很多資料夾
常用的分類模型有（這裡的用詞方法可能跟習慣不太一樣）：
貝氏分類（Bayes）
－ Naive Bayes，簡單貝氏分類
函式分類（Functions）
－ SMO，依序最佳化的支持向量機
－ Logistic，Logistic回歸
懶人法（Lazy）
－ IBK，最鄰近搜尋法
－ LBR，懶人貝氏分類
群體學習（Meta）
－ Adaboost.M1，Adaboost分類法
－ Bagging，Bagging分類法
－ Vote，多個模型整合投票
多重執行個體（ Multi-Instance, MI ）
混合式（Miscellaneous, Misc）
規則分類（Rules）
－ M5Rule，M5規則式演算法
決策樹（Tree）
－ J48，Weka裡頭的C4.5演算法
－ LTM，Logistic回歸模型決策樹
－ M5P，M5演算法加強版
－ Decision Stump，單層決策樹
－ Random Forest，隨機森林演算法
這邊是測試資料集的設定方式
Use Training Set：將訓練資料集，轉成測試資料集
Supplied test set：可以另外設定外來資料做測試資料集
Cross-Validation：交叉驗證，後面框框是設定幾次（一般設定都是10次）
Percentage split：將原始資料分割66％為訓練，34％為測試（這是常用的設定）
More Options：這邊可以設定輸出參數
選擇你的目標屬性特徵，如果你選擇適合你資料的演算法
就可以按下Start開始執行運算了！
右側就會顯示運算的結果啦！
左下的部份會記錄每次跑的結果
點一下左鍵，右側計算結果就會跟著改變
點一下右鍵，可以有許多設定
View in separate window：將執行結果令開一個視窗顯示
下面就是顯示一些圖表結果，其中：
Visualize Tree：當是你跑決策樹的時候，可以看到樹的樣子
