WEKA
WEKA er et sæt af kraftfulde data mining-værktøjer, der kører på Java.
- WEKA er et sæt af kraftfulde, Java-baserede værktøjer bygget til data mining.
- WEKA har både en grafisk brugergrænseflade (GUI) og en kommando-line interface (CLI), der kan bruges til at få adgang til alle tilgængelige funtionality af softwaren.
- Der er understøttelse af Hadoop og Spark gennem indpakning.
- Yderligere oplysninger om disse indpakninger er tilgængelig på WEKA webstedet.
- Da WEKA kører på Java, kan det bruges på enhver platform, der understøtter Java, herunder Windows, Mac, Linux og BSD.
- WEKA er open source-software. Det bruger GNU General Public License (GPL) version 2.0 eller 3.0, afhængigt af den version af WEKA installeret. Det betyder, at softwarens kildekode er tilgængelig for gennemgang og at softwaren kan anvendes frit og til ethvert formål.
- Der er gratis kurser tilgængelige online undervisning, hvordan man bruger WEKA til machine learning og data mining.
- WEKA kører på Java, der er hukommelse intensiv.
- Når du indlæser et datasæt ind i WEKA Explorer (den grafiske brugergrænseflade),
- For meget store datasæt,
- Heldigvis kan dette omgås ved hjælp af Command-line interface (CLI) for lastning og behandling af store datasæt.
- Mens WEKA er open source, bruger det til kommercielle applikationer, der kræver distribuere WEKA kode som en del af ansøgningen kan kræve, at du købe licenser fra en eller flere selskaber.
- Værten for WEKA WIKI data (Wikispaces) er ved at lukke, og oplysninger om, hvor disse data vil opholde sig i det lange løb er endnu ikke tilgængelig.
WEKA er et open source-projekt, der indeholder algoritmer og værktøjer, som kan bruges til data mining. Der er en række værktøjer til rådighed i WEKA der kan udføre alle de opgaver, der er nødvendige til stykket gennem store datamængder. WEKA blev udviklet af og er støttet af University of Waikato i New Zealand. Der er Massive Open Online Kurser (Mooc) for WEKA, så du kan lære at bruge de WEKA værktøjer til at analysere dine data. Der er begynder, øvede og avancerede dataanalyse kurser til rådighed. Hver undervises af en professor fra Institut for Datalogi fra University of Waikato. Du kan få adgang din datasæt via JDBC, CSV eller en række andre tilslutningsmuligheder metoder. Du indlæse data i WEKA, træne din datamodel og behandle dine data. Ud over evnen til at udvikle Java-løsninger ved hjælp af de WEKA værktøjer, kan du også adgang WEKA funktionalitet fra .NET, Python og Groovy. Der er ofte flere trin, der kræves, men kernefunktionaliteten er til rådighed for disse andre udviklingsværktøjer.
Alternativer til WEKA
Azure Machine Learning
DatumBox
Root
ShARk
PredictionIO
