Weka (μηχανική μάθηση)

Από τη Βικιπαίδεια, την ελεύθερη εγκυκλοπαίδεια
Πήδηση στην πλοήγηση Πήδηση στην αναζήτηση

Το Waikato Environment for Knowledge Analysis (Weka) είναι μια δημοφιλής σουίτα λογισμικού μηχανικής μάθησης γραμμένο σε Java, που αναπτύχθηκε στο Πανεπιστήμιο του Waikato της Νέα Ζηλανδία. Είναι ελεύθερο λογισμικό υπό την άδεια GNU General Public License.

Περιγραφή[Επεξεργασία | επεξεργασία κώδικα]

Το Weka (προφέρεται για να κάνει ρίμα με τη Μέκκα) είναι μια σουίτα, η οποία περιέχει μια συλλογή από εργαλεία οπτικοποίησης και αλγορίθμους για την ανάλυση δεδομένων και την προγνωστική μοντελοποίηση, μαζί με γραφικές διεπαφές χρήστη για εύκολη πρόσβαση σε αυτές τις λειτουργίες. Η αρχική μη-Java έκδοση του Weka ήταν ένα Tcl/Tk front-end (ως επί το πλείστον τρίτων) για μοντελοποίηση αλγορίθμων που εφαρμόζονται σε άλλες γλώσσες προγραμματισμού, περιέχοντας δυνατότητες προεπεξεργασίας δεδομένων σε C, και ένα σύστημα βασισμένο σε Makefile για τη πραγματοποίηση πειραμάτων μηχανικής μάθησης. Αυτή η αρχική έκδοση είχε σχεδιαστεί ως ένα εργαλείο για την ανάλυση των δεδομένων από γεωργικούς τομείς,[1][2] αλλά η πιο πρόσφατη πλήρης έκδοση βασισμένη σε Java(Weka 3), η ανάπτυξη της οποίας άρχισε το 1997, έχει πλέον πολλούς τομείς εφαρμογής,κυρίως εκπαιδευτικούς σκοπούς και έρευνες. Στα πλεονεκτήματα του Weka περιλαμβάνονται:

Το Weka υποστηρίζει διάφορες βασικές διεργασίες εξόρυξης δεδομένων· πιο συγκεκριμένα, προεπεξεργασία δεδομένων, ομαδοποίηση, ταξινόμηση, παλινδρόμηση, απεικόνιση, και την δυνατότητα επιλογής. Όλες οι τεχνικές του Weka στηρίζονται στην υπόθεση ότι τα δεδομένα είναι διαθέσιμα ως ένα απλό αρχείο ή συσχέτιση, όπου κάθε σημείο δεδομένων περιγράφεται από ένα σταθερό αριθμό των χαρακτηριστικών (κανονικά, αριθμητικά ή ονομαστικά χαρακτηριστικά, αλλά και κάποιοι άλλοι τύποι χαρακτηριστικών υποστηρίζονται επίσης).Το Weka παρέχει πρόσβαση σε SQL βάσεις δεδομένων , χρησιμοποιώντας Java Database Connectivity και μπορεί να επεξεργαστεί το αποτέλεσμα που επιστρέφονται από ένα ερώτημα βάσης δεδομένων. Δεν είναι ικανό για εξόρυξη από πολυ-σχεσιακές βάσεις δεδομένων, αλλά υπάρχει ξεχωριστό λογισμικό για τη μετατροπή μιας συλλογής συνδεδεμένων πινάκων της βάσης δεδομένων σε έναν πίνακα που είναι κατάλληλος για επεξεργασία χρησιμοποιώντας το Weka.[3] Άλλη μια σημαντική περιοχή που δεν καλύπτεται προς το παρόν από τους αλγορίθμους που περιλαμβάνονται στο Weka είναι η μοντελοποίηση αλληλουχιών.

Δείτε επίσης[Επεξεργασία | επεξεργασία κώδικα]

References[Επεξεργασία | επεξεργασία κώδικα]

  1. G. Holmes; A. Donkin; I.H. Witten (1994). «Weka: A machine learning workbench» (PDF). Proc Second Australia and New Zealand Conference on Intelligent Information Systems, Brisbane, Australia. Ανακτήθηκε στις 25 Ιουνίου 2007. 
  2. S.R. Garner; S.J. Cunningham; G. Holmes; C.G. Nevill-Manning; I.H. Witten (1995). «Applying a machine learning workbench: Experience with agricultural databases» (PDF). Proc Machine Learning in Practice Workshop, Machine Learning Conference, Tahoe City, CA, USA. σελίδες 14–21. Ανακτήθηκε στις 25 Ιουνίου 2007. 
  3. P. Reutemann; B. Pfahringer; E. Frank (2004). «Proper: A Toolbox for Learning from Relational Data with Propositional and Multi-Instance Learners». 17th Australian Joint Conference on Artificial Intelligence (AI2004). Springer-Verlag. Ανακτήθηκε στις 25 Ιουνίου 2007. 

Εξωτερικές συνδέσεις[Επεξεργασία | επεξεργασία κώδικα]