WEKA
WEKA on joukko tehokkaita data mining työkaluja, jotka toimivat Java.
- WEKA on joukko tehokkaita, Java-pohjaisia työkaluja rakennettu tiedon louhintaan.
- WEKA on sekä graafinen käyttöliittymä (GUI) ja komento-(CLI), joka voidaan käyttää pääsy kaikkiin käytettävissä funtionality ohjelmiston.
- Kannatusta Hadoop ja Spark kautta kääreet.
- Lisätietoja näistä kääreitä on saatavilla WEKA päällä.
- Koska WEKA toimii Java, sitä voidaan käyttää millä tahansa alustalla, joka tukee Javaa, kuten Windows, Mac, Linux ja BSD.
- WEKA on avoimen lähdekoodin ohjelmistoja. Se käyttää GNU General Public License (GPL) version 2.0 tai 3.0, riippuen versiosta WEKA asennettuna. Tämä tarkoittaa, että ohjelmiston lähdekoodi on nähtävillä ja että ohjelmisto voidaan käyttää vapaasti ja mihin tahansa tarkoitukseen.
- On ilmaisia kursseja saatavilla verkossa opetusta kuinka käyttää WEKA varten koneoppimisen ja tiedon louhinta.
- WEKA toimii Java, joka on paljon muistia.
- Kun lataat aineisto osaksi WEKA Explorer (graafinen käyttöliittymä),
- Hyvin suurten aineistoja,
- Onneksi tämä voidaan kiertää käyttämällä Komento-(CLI) lastaamiseksi ja käsittelemiseksi suuri aineisto.
- Vaikka WEKA on avoimen lähdekoodin, käytä sitä kaupallisiin sovelluksiin, jotka vaativat jakaa WEKA koodin osana sovelluksen voi vaatia voit ostaa lisenssejä yhdestä tai useammasta yhtiöiden.
- Isäntänä WEKA Wikitiedot (wikispaces) suljetaan, ja tietoa siitä, mistä nämä tiedot asuvat pitkällä aikavälillä ei ole vielä saatavilla.
WEKA on avoimen lähdekoodin projekti, joka sisältää algoritmeja ja työkaluja, joita voidaan käyttää tiedon louhintaan. On olemassa erilaisia työkaluja saatavilla WEKA joka voi suorittaa kaikki tarvittavat tehtävät räsähdys kautta suuria määriä dataa. WEKA kehitti ja tukee Waikaton yliopisto Uudessa-Seelannissa. On massiivinen avoin verkkokurssi (Mooc) ja WEKA, joiden avulla voit opetella käyttämään WEKA työkaluja analysoida tietoja. On alkamassa, keskitaso ja edistyneet tietojen analysointi kursseja. Kukin on opettanut professori Department of Computer Science Waikaton yliopisto. Voit käyttää aineisto JDBC, CSV tai useita muita yhteyden menetelmiä. Lataat tiedot WEKA, kouluttaa tietomalli ja käsitellä tietoja. Sen lisäksi, että kyky kehittää Java ratkaisuja käyttämällä WEKA työkaluja, voit myös käyttää WEKA toiminnallisuutta NET, Python ja Groovy. Usein lisätoimia tarvitaan, mutta keskeiset toiminnot on käytettävissä näiden muiden kehitystyökaluja.
Vaihtoehtoja WEKA
Azure Machine Learning
DatumBox
Root
ShARk
PredictionIO
