salma (Evrimsel Öğrenmeye Dayalı Bilgi Çıkarma), evrimsel algoritmaların uygulanmasında uzmanlaşmış Java tabanlı bir yazılım aracıdır. Açık kaynak olduğundan, veri madenciliği ve analiz topluluğuna güç veren deneylerde kullanılabilecek çok çeşitli bilgi keşif algoritmaları sağlar. Bu aracın genel karmaşıklığını önemli ölçüde azaltan basit ve kullanımı kolay bir grafik kullanıcı arabirimi sağlar. Piyasadaki çoğu benzer araç, kullanıcıların kodu yazarak onlarla etkileşime girmesini gerektirirken Keel, hem yeni başlayanlar hem de uzmanlar tarafından kullanılabilen sezgisel bir GUI sağlayarak bu gereksinimi ortadan kaldırır.
Keel, sınıflandırma, regresyon, özellik çıkarma, örüntü analizi, kümeleme ve daha fazlasını içeren çok çeşitli hesaplama zekasına dayalı algoritmalar sunar. Doğrudan uygulamanın içine yerleştirilmiş genel modellerle Keel, iş ham veri kümeleri üzerinde keşif amaçlı veri analizleri yapmaya geldiğinde çok kullanışlı bir araçtır. Basit sürükle ve bırak arabirimi, işlevsellik kullanım kolaylığıyla birleştiğinde, hem eğitim hem de araştırma amaçları için hızlı ve verimli veri madenciliği deneylerine olanak tanır. Keel gibi araçlar, normalde karmaşık olan algoritmik uygulamalara basit yaklaşımları nedeniyle popülaritesini artırıyor.
Kurulum
Kurabileceğimiz iki ana yol var salma herhangi bir Linux makinesinde. İlki, şuraya gitmeyi içerir: salma web sayfası ve yazılımı oradan indirmek. Bu kurulum kılavuzunda takip edeceğimiz ikincisi, Keel'i kullanarak indirmemizi gerektiriyor. wget Linux kullanıcıları için indirme aracı mevcuttur.
1. Alarak başlıyoruz wget Linux makinemizde.
kullanarak wget'i indirmek için aşağıdaki komutu çalıştırın. uygun Paketleme yöneticisi:
$ sudo apt-get kurulumu wget
Benzer bir terminal çıktısı göreceksiniz:
2. Artık sahip olduğumuza göre wget Linux makinemizde kurulu olan aracı, indirmek için kullanıyoruz. salma alet.
bu bağlantı wget'e ilettiğimiz.
Terminalinizde aşağıdaki komutu çalıştırın:
$ wget http: // bilim2s.ugr.es / salma / yazılım / prototipler / Açık Sürüm / Yazılım- 2018 -04-09.zip
Terminalinizde benzer bir çıktı görmelisiniz:
Keel'in indirilmesi bittiğinde, kurulumun geri kalanına devam edebiliriz.
3. Şimdi bir önceki adımda indirdiğimiz sıkıştırılmış dosyayı Linux Unzip aracını kullanarak çıkartıyoruz.
Aşağıdaki komutu çalıştırın:
$ fermuarını aç Yazılım- 2018 -04-09.zip
Terminalde benzer bir çıktı görmelisiniz:
4. Aşağıdaki komutu çalıştırarak Keel klasörüne gidin:
$ CD Yazılım- 2018 -04-09 / belgeler / deneyler / salma / mesafe /
5. Kuruluma başlamak için aşağıdaki komutu çalıştırın:
$ java -kavanoz . / GrafikInterKeel.jar
Bununla, Linux makinenizde kullanmanız için Keel mevcut olmalıdır.
Kullanici rehberi
ile etkileşim salma uygulama gerçekten kolay ve basittir. import ederek başlayalım. İris veri seti çalışma alanımıza
Verileri içe aktarırken, araç bize veri kümesindeki veri noktasının genel kümelenmesini gösterir. Ayrıca, veri setinde bulunan farklı sınıfları, bu veri noktalarının kapsadığı sayısal aralıklar ve sunduğu genel varyans ve ortalama değerler gibi temel bilgilerle birlikte gösterir. Bu bilgi, kullanıcıların herhangi bir veri analizi görevi için veri hazırlığına nasıl devam edeceklerini daha iyi anlamalarını sağlar.
Deneyin ilerleyen kısımlarında, deneyimizi herhangi bir veri seti üzerinde oluşturmak için kullanılabilecek farklı tekniklerle karşılaşıyoruz. Verilerimiz üzerinde kullanılabilecek farklı öğrenme algoritmaları aşağıdaki görselde görülebilir. Veri setinin doğasına ve deneyin gereksinimlerine bağlı olarak farklı algoritmalar denenebilir.
Örneğin, etiketlenmemiş verilerle çalışıyorsanız ve veri kümenizdeki farklı veri noktaları arasında benzerlikler bulmanız gerekiyorsa, mevcut çeşitli farklı seçenekler arasından bir kümeleme algoritması kullanmak, veri noktalarını daha iyi anlamanıza yardımcı olabilir. Bu, sonunda, deneyin daha kapsamlı denetimli öğrenme algoritmaları kullanılarak inşa edilebilmesi için veri noktalarını etiketlemenize ve sınıflandırmanıza yardımcı olur.
Çözüm
bu salma veri analitiği platformu, hem araştırma hem de eğitim amaçları için iyi bir kaynaktır. Kullanımı kolay grafiksel kullanıcı arayüzü, kullanıcılara iş akışlarında daha fazla yardımcı olan yardımcı tekniklere ve algoritmalara mantıksal referanslar sağlamanın yanı sıra, kullanıcıların verilerin gereksinimlerini daha iyi anlamalarına yardımcı olur. Farklı kategorilere ve algoritmik tekniklere giren çok çeşitli farklı algoritmalara sahip olmak, kullanıcıların çok sayıda mantıksal yönü denemesine ve bu sonuçları karşılaştırmasına olanak tanır, böylece herhangi bir soruna en uygun çözüme ulaşılabilir.
Keel'in veri madenciliğine yönelik kodsuz sürükle ve bırak yaklaşımı, yeni başlayanların bile kapsamlı hesaplamalı zeka modelleriyle zahmetsizce çalışmasına yardımcı olur. Bu, karmaşık veri kümeleri hakkında bilgi sağlar ve sonuç olarak gerçek dünya sorunlarını çözmeye yardımcı olan yararlı çıkarımlar sağlar.