Weka (maskinlæring) - Weka (machine learning)
_logo.png){kind=logo}
| |
 Weka 3.5.5 med Explorer -vindu åpent med Iris UCI datasett
| |
| Utvikler (er) | University of Waikato |
|---|---|
| Stabil utgivelse | 3.8.5 (stabil) / 21. desember 2020
|
| Forhåndsvisningslansering | 3.9.5 / 21. desember 2020
|
| Oppbevaringssted | |
| Skrevet inn | Java |
| Operativsystem | Windows , OS X , Linux |
| Plattform | IA-32 , x86-64 ; Java SE |
| Type | Maskinlæring |
| Tillatelse | GNU General Public License |
| Nettsted | www |
Waikato Environment for Knowledge Analysis ( Weka ), utviklet ved University of Waikato , New Zealand , er gratis programvare lisensiert under GNU General Public License , og ledsagerprogramvaren til boken "Data Mining: Practical Machine Learning Tools and Techniques".
Beskrivelse
Weka inneholder en samling visualiseringsverktøy og algoritmer for dataanalyse og prediktiv modellering , sammen med grafiske brukergrensesnitt for enkel tilgang til disse funksjonene. Den originale ikke-Java-versjonen av Weka var en Tcl / Tk- front-end til (for det meste tredjeparts) modelleringsalgoritmer implementert på andre programmeringsspråk, pluss dataforbehandlingsverktøy i C , og et makefile- basert system for å kjøre maskinlæringseksperimenter. Denne originale versjonen var først og fremst designet som et verktøy for å analysere data fra landbruksdomener, men den nyere fullt Java -baserte versjonen (Weka 3), som utviklingen startet for i 1997, brukes nå i mange forskjellige applikasjonsområder, spesielt for utdanningsprogrammer formål og forskning. Fordelene med Weka inkluderer:
- Gratis tilgjengelighet under GNU General Public License .
- Portabilitet, siden den er fullt implementert i programmeringsspråket Java og dermed kjører på nesten hvilken som helst moderne databehandlingsplattform.
- En omfattende samling av data forbehandling og modelleringsteknikker.
- Brukervennlighet på grunn av de grafiske brukergrensesnittene.
Weka støtter flere standard data mining oppgaver, mer spesifikt, data forbehandling, gruppering , klassifisering , regresjon , visualisering, og særtrekkvalg . Input til Weka forventes å bli formatert i henhold til attributtrelasjonelt filformat og med filnavnet som bærer .arff-utvidelsen. Alle Wekas teknikker er basert på antagelsen om at dataene er tilgjengelige som en flat fil eller relasjon, der hvert datapunkt er beskrevet med et fast antall attributter (normalt numeriske eller nominelle attributter, men noen andre attributtyper støttes også) . Weka gir tilgang til SQL -databaser ved hjelp av Java Database Connectivity og kan behandle resultatet som returneres av en databasespørring. Weka gir tilgang til dyp læring med Deeplearning4j . Den er ikke i stand til multirelasjonell datautvinning, men det er separat programvare for å konvertere en samling av koblede databasetabeller til en enkelt tabell som er egnet for behandling ved hjelp av Weka. Et annet viktig område som for øyeblikket ikke dekkes av algoritmene som er inkludert i Weka -distribusjonen, er sekvensmodellering.
Utvidelsespakker
I versjon 3.7.2 ble en pakkebehandler lagt til for å gjøre det enklere å installere utvidelsespakker. Noen funksjoner som tidligere var inkludert i Weka før denne versjonen har siden blitt flyttet inn i slike utvidelsespakker, men denne endringen gjør det også lettere for andre å bidra med utvidelser til Weka og vedlikeholde programvaren, siden denne modulære arkitekturen tillater uavhengige oppdateringer av Weka -kjernen og individuelle utvidelser.
Historie
- I 1993 begynte University of Waikato i New Zealand utviklingen av den opprinnelige versjonen av Weka, som ble en blanding av Tcl/Tk, C og makefiles.
- I 1997 ble beslutningen tatt om å omutvikle Weka fra bunnen av i Java, inkludert implementering av modelleringsalgoritmer.
- I 2005 mottok Weka SIGKDD Data Mining and Knowledge Discovery Service Award.
- I 2006 anskaffet Pentaho Corporation en eksklusiv lisens for å bruke Weka til business intelligence . Den danner data mining og prediktiv analyse -komponent i Pentaho business intelligence -pakken. Pentaho har siden blitt kjøpt opp av Hitachi Vantara, og Weka underbygger nå PMI (Plugin for Machine Intelligence) åpen kildekode -komponent.
Relaterte verktøy
- Auto-WEKA er et automatisert maskinlæringssystem for Weka.
- Miljø for DeveLoping KDD-applikasjoner støttet av indeksstrukturer ( ELKI ) er et lignende prosjekt som Weka med fokus på klyngeanalyse , dvs. metoder uten tilsyn.
- H2O.ai er en plattform for datavitenskap og maskinlæring med åpen kildekode
- KNIME er en programvare for maskinlæring og data mining som er implementert i Java .
- Massive Online Analysis (MOA) er et åpen kildekode-prosjekt for stor gruvedrift av datastrømmer, også utviklet ved University of Waikato i New Zealand .
- Neural Designer er en data mining programvare basert på deep learning teknikker skrevet i C ++ .
- Orange er et lignende åpen kildekode-prosjekt for data mining, maskinlæring og visualisering basert på scikit-learning .
- RapidMiner er et kommersielt rammeverk for maskinlæring implementert i Java som integrerer Weka.
- Scikit-learn er et populært maskinlæringsbibliotek i Python.
Se også
Referanser
Eksterne linker
- Offisielt nettsted ved University of Waikato i New Zealand
