Weka - Wprowadzenie

Podstawą każdej aplikacji uczenia maszynowego są dane - nie tylko małe dane, ale ogromne dane, które są określane jako Big Data w aktualnej terminologii.

Aby nauczyć maszynę analizować duże zbiory danych, należy wziąć pod uwagę kilka kwestii -

• Dane muszą być czyste.
• Nie powinien zawierać wartości null.

Poza tym nie wszystkie kolumny w tabeli danych byłyby przydatne do analizy, którą próbujesz osiągnąć. Nieistotne kolumny danych lub „funkcje” zgodnie z terminologią uczenia maszynowego należy usunąć, zanim dane zostaną wprowadzone do algorytmu uczenia maszynowego.

Krótko mówiąc, duże zbiory danych wymagają dużo wstępnego przetwarzania, zanim będą mogły zostać użyte do uczenia maszynowego. Gdy dane będą gotowe, możesz zastosować różne algorytmy uczenia maszynowego, takie jak klasyfikacja, regresja, grupowanie w klastry itd., Aby rozwiązać problem na końcu.

Rodzaj stosowanych algorytmów zależy w dużej mierze od wiedzy o Twojej domenie. Nawet w ramach tego samego typu, na przykład klasyfikacji, dostępnych jest kilka algorytmów. Możesz chcieć przetestować różne algorytmy w tej samej klasie, aby zbudować wydajny model uczenia maszynowego. Preferujesz przy tym wizualizację przetwarzanych danych, dlatego potrzebujesz również narzędzi do wizualizacji.

W kolejnych rozdziałach dowiesz się o Weka, oprogramowaniu, które z łatwością wykonuje wszystkie powyższe czynności i umożliwia wygodną pracę z dużymi zbiorami danych.