WEKA ابزاری متن باز برای داده کاوی در جاوا
WEKA را می توان یکی از قدرتمند ترین ابزار های موجود جهت داده کاوی دانست که یک کتابخانه متن باز می باشد که به کاربر این امکان را می دهد تا با استفاده از امکانات زبان جاوا، داده های خود را پردازش کند. WEKA توابع مختلف را برای داده کاوی در اختیار کاربر قرار میدهد. مزیت استفاده از این کتابخانه این می باشد که ابزار های متنوعی جهت پیاده سازی الگوریتم های داده کاوی را به صورت آماده دارد.
فهرست سرفصل ها و رئوس مطالب
مفاهیم داده کاویاعمال فیلتر بر روی داده ها حذف ویژگی های غیرمفید
گسسته سازی ویژگی های عددی
ایجاد داده تصادفی
انتخاب ویژگی
خوشه بندی روش های انتخاب خوشه
دسته بندی
ارزیابی مدل و تستآشنایی با ماتریس Confusion
آشنایی با مشخصه عملکرد سیستم
قوانین انجمن
آماده سازی محیط نرم افزاری برای شروع به کار با WEKAنصب جاوا
نصب Eclipse
اتصال WEKA با Eclipse
درونریزی دادهآشنایی با نوع داده ARFF
تعریف ویژگی
آشنایی با ساختار داده ها
ایجاد مجموعه داده در زمان اجرا
ذخیره داده در قالب ARFF
اعمال فیلتر بر روی داده هاگسسته سازی ویژگی ها
ابزار اعمال فیلتر دسته بندی FilteredClassifier
انتخاب ویژگی در WEKAInformation Gain و کاربرد آن در انتخاب ویژگی
بررسی مولفه های اصلی
AttributeSelectedClassifier و انتخاب خاص دسته بندی کننده
ایجاد یک دسته بندی کننده و آموزش آنایجاد دسته بندی کننده با درخت تصمیم گیری یا Decision Treesb.
ایجاد دسته بندی کننده با استفاده از ماشین بردار پشتیبان یا SVM
مدل های دیگر دسته بندی کننده
ایجاد یک دسته بندی کننده اختصاصی
نمایش نتیجهنمایش گرافیکی درخت به کاربر
بررسی و ارزیابی مدل هابررسی مجموعه داده ها و تست
نمایش نتایج آماری
جداسازی داده یادگیری
اعتبارسنجی متقابل k-fold
ماتریس Confusion
منحنی ROC
ذخیره مدل با استفاده از Serializable
بازگردانی مدل با استفاده از deserializable
رگرسیونکلاس Zero
کلاس REPTree
کلاس SMOreg
کلاس MultilayerPerceptron
قوانین ارتباطیالگوریتم Apriori و کشف قوانین ارتباطی
خوشه بندیالگوریتم EM و نحوه خوشه بندی
دسته بندی کننده خوشه ای
خوشه بندی افزایشی
بررسی خوشه بندی
قوانین ارسال دیدگاه در سایت