Weka - เปิดตัว Explorer

ในบทนี้ให้เราดูฟังก์ชันต่างๆที่นักสำรวจมีให้สำหรับการทำงานกับข้อมูลขนาดใหญ่

เมื่อคุณคลิกที่ไฟล์ Explorer ในปุ่ม Applications ตัวเลือกจะเปิดหน้าจอต่อไปนี้ -

ด้านบนคุณจะเห็นแท็บต่างๆตามรายการที่นี่ -

  • Preprocess
  • Classify
  • Cluster
  • Associate
  • เลือกแอตทริบิวต์
  • Visualize

ภายใต้แท็บเหล่านี้มีอัลกอริธึมแมชชีนเลิร์นนิงที่ใช้งานล่วงหน้าหลายตัว ให้เราดูรายละเอียดแต่ละข้อในตอนนี้

แท็บ Preprocess

เริ่มแรกเมื่อคุณเปิด explorer เฉพาะไฟล์ Preprocessเปิดใช้งานแท็บ ขั้นตอนแรกในการเรียนรู้ของเครื่องคือการประมวลผลข้อมูลล่วงหน้า ดังนั้นในPreprocess คุณจะเลือกไฟล์ข้อมูลประมวลผลและทำให้เหมาะสมสำหรับการใช้อัลกอริทึมการเรียนรู้ของเครื่องต่างๆ

จำแนกแท็บ

Classifyแท็บมีอัลกอริทึมการเรียนรู้ของเครื่องหลายอย่างสำหรับการจัดประเภทข้อมูลของคุณ หากต้องการแสดงรายการบางส่วนคุณอาจใช้อัลกอริทึมเช่น Linear Regression, Logistic Regression, Support Vector Machines, Decision Trees, RandomTree, RandomForest, NaiveBayes และอื่น ๆ รายการนี้มีข้อมูลครบถ้วนสมบูรณ์และมีทั้งอัลกอริธึมการเรียนรู้ของเครื่องที่อยู่ภายใต้การดูแลและไม่ได้รับการดูแล

แท็บคลัสเตอร์

ภายใต้ Cluster มีอัลกอริทึมการทำคลัสเตอร์หลายแบบเช่น SimpleKMeans, FilteredClusterer, HierarchicalClusterer และอื่น ๆ

เชื่อมโยงแท็บ

ภายใต้ Associate คุณจะพบ Apriori, FilteredAssociator และ FPGrowth

เลือกแท็บคุณสมบัติ

Select Attributes ช่วยให้คุณสามารถเลือกคุณลักษณะตามอัลกอริทึมต่างๆเช่น ClassifierSubsetEval, PrinicipalComponents เป็นต้น

แสดงภาพแท็บ

สุดท้าย Visualize ตัวเลือกช่วยให้คุณเห็นภาพข้อมูลที่ประมวลผลของคุณสำหรับการวิเคราะห์

อย่างที่คุณสังเกตเห็น WEKA มีอัลกอริทึมที่พร้อมใช้งานหลายแบบสำหรับการทดสอบและสร้างแอปพลิเคชันแมชชีนเลิร์นนิงของคุณ ในการใช้ WEKA อย่างมีประสิทธิภาพคุณต้องมีความรู้ที่ดีเกี่ยวกับอัลกอริทึมเหล่านี้วิธีการทำงานสิ่งที่จะเลือกภายใต้สถานการณ์ใดสิ่งที่ต้องค้นหาในผลลัพธ์ที่ประมวลผลและอื่น ๆ ในระยะสั้นคุณต้องมีพื้นฐานที่มั่นคงในการเรียนรู้ของเครื่องเพื่อใช้ WEKA อย่างมีประสิทธิภาพในการสร้างแอปของคุณ

ในบทต่อ ๆ ไปคุณจะได้ศึกษาแต่ละแท็บใน explorer ในเชิงลึก