WEKA
WEKA er et sett med kraftige data mining-verktøy som kjører på Java.
- WEKA er et sett med kraftige, Java-baserte verktøy bygget for data mining.
- WEKA har både et grafisk brukergrensesnitt (GUI) og en kommandogrensesnitt (CLI) som kan brukes for å få tilgang til alle de tilgjengelige funtionality av programvaren.
- Det er støtte for Hadoop og Spark gjennom wrappers.
- Ytterligere informasjon om disse wrappers er tilgjengelig på WEKA nettstedet.
- Siden WEKA kjører på Java, kan det brukes på alle plattformer som støtter Java, inkludert Windows, Mac, Linux og BSD.
- WEKA er åpen kildekode. Den bruker (GPL) versjon GNU General Public License 2.0 eller 3.0, avhengig av hvilken versjon av WEKA installert. Dette betyr at programvaren kildekode er tilgjengelig for gjennomgang og at programvaren kan brukes fritt og for ethvert formål.
- Det er gratis kurs tilgjengelig online undervisning hvordan du bruker WEKA for maskinlæring og data mining.
- WEKA kjører på Java, som er minnekrevende.
- Når du laster inn et datasett inn i WEKA Explorer (det grafiske brukergrensesnittet),
- For svært store datasett,
- Heldigvis kan dette omgås ved hjelp av kommandogrensesnitt (CLI) for lasting og behandling av de store datasettet.
- Mens WEKA er åpen kildekode, bruker den for kommersielle applikasjoner som krever distribuere WEKA kode som en del av programmet kan kreve at du kjøper lisenser fra ett eller flere selskaper og foretak.
- Verten for WEKA WIKI data (wikispaces) avsluttes, og informasjon om hvor disse dataene vil ligge på lang sikt er ikke tilgjengelig ennå.
WEKA er åpen kildekode som inneholder algoritmer og verktøy som kan brukes for data mining. Det finnes en rekke verktøy tilgjengelig i WEKA som kan utføre alle oppgaver som er nødvendige for å knase gjennom store mengder data. WEKA ble utviklet av og støttes av University of Waikato i New Zealand. Det er mooc (Mooc) for WEKA som gjør det mulig å lære å bruke WEKA verktøy for å analysere dataene. Det er begynner, middels og avansert dataanalyse kurs tilgjengelig. Hver er undervist av en professor ved Institutt for informatikk ved Universitetet i Waikato. Du kan få tilgang til datasett via JDBC, CSV eller en rekke andre tilkoblingsmetoder. Du laster inn data i WEKA, trene datamodell og behandle dataene. I tillegg til evnen til å utvikle Java løsninger ved hjelp av WEKA verktøy, kan du også tilgang WEKA funksjonalitet fra NET, Python og Groovy. Det er ofte flere trinn som kreves, men kjernen funksjonalitet er tilgjengelig til disse andre utviklingsverktøy.
Alternativer til WEKA
Azure Machine Learning
DatumBox
Root
ShARk
PredictionIO
