当今社会，数据无处不在，从海量的数据中找出有潜在应用价值的数据规律或数据模型，用人工的方式难以实现这个目标。随着技术的不断发展，越来越多的人选择使用机器学习从海量数据中提取有用信息。Weka作为一种可用于机器学习的工具，可供用户完成数据预处理，分类，回归，聚类，关联规则等机器学习任务。目前Weka中已经集成了大量的算法，而由于Weka的开源性，开发者就可以使用Java语言，利用Weka的架构，在Weka平台上开发出更多的机器学习算法。CRN算法是在目前所存在的算法有局限的情况下由华南理工大学计算机学院的王家兵老师及其合作者提出来的，是Classification by Rule-based Neighbors的缩写，它克服了其它算法在人工选择参数以及无关属性对算法结果的影响，利用待确定类的实例属性对实例集进行分类。由于CRN算法是在基于简单理论的基础上被提出来且该算法的表现较好，本次研究工作中决定将该算法嵌入到Weka工具中，可使Weka开源工具的算法集中多增加一个高效的算法，同时让更多的用户可以感受到该算法更好的准确性，让CRN算法得到更广泛的使用。本文首先对机器学习的概念进行了简单的介绍，其次介绍了Weka的使用方法和基本实现架构，在对CRN算法的实现流程和Weka中相关接口进行了详细说明的基础上，成功在Weka平台中嵌入了该算法。利用已有的数据集检查输出的显示结果，然后利用大量的数据集对算法的实现结果进行验证，并将结果与其它算法的结果进行比较分析。最后总结了本次研究过程中的主要工作及仍待解决的问题，同时指出了接下来可深入研究的方向及发展前景。