Weka - Lancement de l'explorateur
Dans ce chapitre, examinons les différentes fonctionnalités fournies par l'explorateur pour travailler avec le Big Data.
Lorsque vous cliquez sur le Explorer bouton dans le Applications sélecteur, il ouvre l'écran suivant -
En haut, vous verrez plusieurs onglets répertoriés ici -
- Preprocess
- Classify
- Cluster
- Associate
- Sélectionnez les attributs
- Visualize
Sous ces onglets, il existe plusieurs algorithmes d'apprentissage automatique pré-implémentés. Examinons chacun d'eux en détail maintenant.
Onglet Preprocess
Au départ, lorsque vous ouvrez l'explorateur, seul le Preprocessl'onglet est activé. La première étape de l'apprentissage automatique consiste à prétraiter les données. Ainsi, dans lePreprocess option, vous sélectionnerez le fichier de données, le traiterez et l'adapterez à l'application des différents algorithmes d'apprentissage automatique.
Onglet Classer
le ClassifyL'onglet vous propose plusieurs algorithmes d'apprentissage automatique pour la classification de vos données. Pour en énumérer quelques-uns, vous pouvez appliquer des algorithmes tels que la régression linéaire, la régression logistique, les machines vectorielles de support, les arbres de décision, RandomTree, RandomForest, NaiveBayes, etc. La liste est très exhaustive et fournit des algorithmes d'apprentissage automatique supervisés et non supervisés.
Onglet Cluster
Sous le Cluster onglet, il existe plusieurs algorithmes de clustering fournis - tels que SimpleKMeans, FilteredClusterer, HierarchicalClusterer, etc.
Onglet Associer
Sous le Associate onglet, vous trouverez Apriori, FilteredAssociator et FPGrowth.
Sélectionnez l'onglet Attributs
Select Attributes vous permet de sélectionner des fonctionnalités basées sur plusieurs algorithmes tels que ClassifierSubsetEval, PrinicipalComponents, etc.
Onglet Visualiser
Enfin, le Visualize L'option vous permet de visualiser vos données traitées pour analyse.
Comme vous l'avez remarqué, WEKA fournit plusieurs algorithmes prêts à l'emploi pour tester et créer vos applications d'apprentissage automatique. Pour utiliser WEKA efficacement, vous devez avoir une bonne connaissance de ces algorithmes, de leur fonctionnement, de celui à choisir dans quelles circonstances, de ce qu'il faut rechercher dans leur sortie traitée, etc. En bref, vous devez avoir une base solide en apprentissage automatique pour utiliser efficacement WEKA dans la création de vos applications.
Dans les prochains chapitres, vous étudierez en profondeur chaque onglet de l'explorateur.