Weka - Présentation

Les données sont à la base de toute application d'apprentissage automatique, pas seulement de petites données, mais aussi d'énormes données appelées Big Data dans la terminologie actuelle.

Pour entraîner la machine à analyser le Big Data, vous devez avoir plusieurs considérations sur les données -

• Les données doivent être propres.
• Il ne doit pas contenir de valeurs nulles.

En outre, toutes les colonnes du tableau de données ne seraient pas utiles pour le type d'analyse que vous essayez de réaliser. Les colonnes de données ou `` fonctionnalités '' non pertinentes, telles que décrites dans la terminologie d'apprentissage automatique, doivent être supprimées avant que les données ne soient introduites dans un algorithme d'apprentissage automatique.

En bref, votre Big Data a besoin de beaucoup de prétraitement avant de pouvoir être utilisé pour le Machine Learning. Une fois que les données sont prêtes, vous appliquerez divers algorithmes d'apprentissage automatique tels que la classification, la régression, le clustering, etc. pour résoudre le problème de votre côté.

Le type d'algorithmes que vous appliquez repose en grande partie sur votre connaissance du domaine. Même au sein d'un même type, par exemple la classification, plusieurs algorithmes sont disponibles. Vous voudrez peut-être tester les différents algorithmes dans la même classe pour créer un modèle d'apprentissage automatique efficace. Ce faisant, vous préférez la visualisation des données traitées et vous avez donc également besoin d'outils de visualisation.

Dans les prochains chapitres, vous découvrirez Weka, un logiciel qui accomplit tout ce qui précède avec facilité et vous permet de travailler confortablement avec le Big Data.