WEKA
WEKA är en uppsättning kraftfulla data mining-verktyg som körs på Java.
- WEKA är en uppsättning kraftfulla, Java-baserade verktyg byggda för data mining.
- WEKA har både ett grafiskt användargränssnitt (GUI) och en kommandoradsgränssnitt (CLI) som kan användas för att få tillgång till all tillgänglig funktionalitet av programvaran.
- Det finns stöd för Hadoop och Spark genom omslag.
- Ytterligare information om dessa omslag finns på WEKA platsen.
- Eftersom WEKA körs på Java, kan den användas på alla plattformar som stöder Java, inklusive Windows, Mac, Linux och BSD.
- WEKA är öppen källkod. Den använder GNU General Public License (GPL) version 2.0 eller 3.0, beroende på vilken version av WEKA installerad. Detta innebär att programvarans källkod är tillgänglig för granskning och att programvaran kan användas fritt och för alla ändamål.
- Det finns gratis kurser på nätet undervisning hur man använder WEKA för maskininlärning och data mining.
- WEKA körs på Java, som är minneskrävande.
- När du laddar en datamängd i WEKA Explorer (det grafiska användargränssnittet)
- För mycket stora datamängder,
- Lyckligtvis kan detta kringgås genom att använda Kommando-line interface (CLI) för lastning och bearbetning av stora datasetet.
- Medan WEKA är öppen källkod, använder den för kommersiella tillämpningar som kräver att fördela WEKA kod som en del av programmet kan kräva att du köpa licenser från en eller flera juridiska personer.
- Värd för WEKA WIKI data (Wikispaces) stängs, och information om var dessa data kommer att finnas på lång sikt är ännu inte tillgänglig.
WEKA är ett open source-projekt som innehåller algoritmer och verktyg som kan användas för datautvinning. Det finns en mängd olika verktyg som finns i WEKA som kan utföra alla uppgifter som krävs för crunch genom stora datamängder. WEKA har utvecklats av och stöds av University of Waikato i Nya Zeeland. Det finns mooc-kurs (MOOC) för WEKA som gör att du kan lära dig att använda de WEKA verktyg för att analysera data. Det börjar, mellannivå och avancerad dataanalys kurser tillgängliga. Var och en är undervisas av en professor vid institutionen för datavetenskap från University of Waikato. Du kan få tillgång till ett dataset via JDBC, CSV eller en mängd andra anslutningsmetoder. Du laddar data till WEKA, träna din datamodell och bearbeta data. Förutom förmågan att utveckla Java-lösningar med hjälp av WEKA verktyg kan du också tillgång WEKA funktionalitet från .NET, Python och Groovy. Det finns ofta ytterligare steg som krävs, men kärnfunktioner är tillgängliga för dessa andra utvecklingsverktyg.
Alternativ till WEKA
Azure Machine Learning
DatumBox
Root
ShARk
PredictionIO
