نرم افزار Weka

الگوريتم­هاي يادگيري ماشين در جاوا

تمام الگوريتم­هاي تعريف شده در اين كتاب، پياده­سازي شده­اند و بصورت آزاد در سايت www.cs.waikato.ac.nz/ml/weka جهت استفاده شما قرار داده شده است. اين­كار به شما اجازه مي­دهد كه شما ياد بگيريد كه آنها چگونه كار مي­كنند و چه چيزي هستند؟ پياده­سازي­ها در سيستم weak انجام شده است و در دانشگاه waikato در نيوزيلند توسعه داده شده است. كلمه weak خلاصه­اي از عبارت محيط ويكاتو براي تحليل دانش[1] است.(همچنين وكا[2] بر وزن mecca نام پرنده­اي بدون پرواز و با طبيعت كنجكاو است كه فقط در نيوزيلند يافت مي­شود.) سيستم به زبان جاوا نوشته شده است و يك زبان برنامه­نويسي شي­گرايي است كه براي تمام سطوح رايانه به­صورت گسترده قابل دسترس خواهد بود. وكا در سيستم عامل­هاي لينوكس، ويندوز و سيستم عامل مكين­تاش آزمايش شده است. جاوا اجازه فراهم ساختن واسط توسعه­اي بسياري از الگوريتم­هاي يادگيري مختلف را به ما مي­دهد. اين كارها شامل پيش­پردازش، پس­پردازش و محاسبه نتايج شماي يادگيري روي هر مجموعه داده موجود مي­شود. واسط در اين فصل توضيح داده شده است.

وكا شامل چندين سطح مختلف است. ابتدا براي تمام آنها پياده­سازي­هايي از الگوريتم­هاي يادگيري كه شما مي­توانيد براي مجموعه داده­اي از خط توضيحات به­كار ببريد، فراهم مي­كند. همچنين ابزارهاي گوناگوني براي ارسال مجموعه داده را شبيه الگوريتم گسسته­سازي كه در فصل 7 تعريف شده را شامل مي­شود. شما مي­توانيد مجموعه داده را پيش­پردازش كنيد، آن­را در شماي يادگيري به­كار ببريد و يا رده­بند[3] نتيجه­گيري و اجراي آن­را تحليل كنيد. به­عنوان مثالي براي شروع كار، ما نحوه ارسال صفحه گسترده به مجموعه داده[4] با يك شكل درست جهت پردازش و ساختن درخت تصميم از آن را توضيح مي­دهيم. نحوه يادگيري براي ساختن درخت­هاي تصميم فقط يك شروع است. الگوريتم­هاي فراوان ديگري براي كاوش وجود دارند. مهم­ترين اهميت نرم­افزار از بين ويژگي­هاي آن اين است كه به­صورت خودكار از كد اصلي توليد مي­شود و به­صورت مختصر ساختار آن را منعكس مي­كند.