En cet âge de Science des données où R et Python règnent en maître, Jetons un coup d'œil à un autre outil de science des données appelé Weka. Weka existe depuis un certain temps et a été développé en interne à l'Université de Waikato à des fins de recherche. Ce qui fait que Weka vaut la peine d'être essayé, c'est la courbe d'apprentissage facile.
Pour quelqu'un qui n'a pas codé depuis un moment, Weka avec son interface graphique offre la transition la plus simple vers le monde de la science des données. Être écrit en Java, ceux qui ont une expérience Java peuvent également appeler la bibliothèque dans leur code.
Personnellement, J'ai eu ma première chance de Science des données quand j'ai fait un cours à l'Université de Waikato. Ce fut une introduction saine et m'a permis une transition en douceur vers la science des données.. Plus tard, quand je devais m'attaquer à des problèmes plus importants, se promener. Je recommande donc fortement Weka comme outil d'apprentissage pour ceux qui cherchent à se plonger dans le monde des données..
Vous trouverez ci-dessous la pédagogie d'apprentissage étape par étape qui vous aidera à comprendre les concepts de manière meilleure et plus concrète:
Paso 1 : Qu'est-ce que Weka et pourquoi l'utiliser?
D'après Wikipédia :,
Mettre est une collection de apprentissage automatique algorithmes pour les tâches d'exploration de données. Les algorithmes peuvent être appliqués directement à un ensemble de données ou peuvent être appelés à partir de votre propre code Java. Mettre contient instruments pour le prétraitement, classification, régression, regroupementLe "regroupement" Il s’agit d’un concept qui fait référence à l’organisation d’éléments ou d’individus en groupes ayant des caractéristiques ou des objectifs communs. Ce procédé est utilisé dans diverses disciplines, y compris la psychologie, Éducation et biologie, faciliter l’analyse et la compréhension de comportements ou de phénomènes. Dans le domaine de l’éducation, par exemple, Le regroupement peut améliorer l’interaction et l’apprentissage entre les élèves en encourageant le travail.., règles d'association et visualisation des données.
Vous voudrez peut-être jeter un oeil à ceci vidéo de Brandon Weinberg. Cette vidéo vous donnera un aperçu considérable de cet outil incroyable. Vous ne pouvez pas tout comprendre à travers cette vidéo, mais va sûrement apprendre des choses.
Paso 2: configuration de la machine
Maintenant que nous rencontrons Weka, nous pouvons passer à l'étape suivante. Pour en savoir plus sur l'outil et les personnes derrière son succès, peut jeter un oeil à ça placer à propos du projet Weka. En outre, vous pouvez également télécharger le logiciel et obtenir la dernière version pour votre système à partir de ce Relier.
Paso 3: apprendre les bases de Weka
La meilleure façon de démarrer avec Weka est d'utiliser les MOOC proposés par l'Université de Waikato. L'exploration de données avec Weka est un cours réputé, mais il n'est pas disponible toute l'année. Cependant, ne t'inquiète pas, dans de tels cas, on peut accéder aux vidéos du cours à partir de ce Chaîne Youtube. Vous pouvez voir le lien officiel de ce cours. ici. Les ensembles de données dont il sera question ici peuvent être téléchargés à partir de ce Relier. La page a plus de liens vers des ensembles de données. Weka utilise les données au format ARFF. Si les données ne sont pas au format ARFF, vous pouvez les convertir du format CSV au format ARFF à l'aide de ce vidéo.
Paso 4: ensembles de données
Après avoir testé les jeux de données fournis par les coordinateurs du cours, nous allons tester un nouvel ensemble de données de DataHack. Puisque le format serait .csv, le convertir au format ARFF, pour que nous puissions le lire dans l'interface Weka. Après avoir suivi ces cours, une fois que vous avez acquis suffisamment de compétences pour commencer à travailler et à analyser des ensembles de données à l'aide de l'interface graphique Weka. Ceux qui ont visité le lien MOOC auraient vu le cours ‘Plus d'exploration de données avec Weka’.
Paso 5: plus de data mining avec Weka
Ici, certaines fonctionnalités plus avancées de l'utilisation du logiciel ont été discutées. Développer l'expérience de l'utilisation du cours précédent, donc, est une condition préalable.
Série YouTube
En plus de ce cours, vous voudrez peut-être jeter un œil à cette série de conférences YouTube de Rushdi Shams.Il y a un total de 38 conférences. Vous pouvez omettre certains des 2-3 conférences de lancement si vous trouvez que le contenu est similaire aux cours précédents. Ce cours a été basé sur diverses compétences qui sont complémentaires à celles fournies par la série précédente.
Actualités Weka
Il y a des discussions intéressantes en cours dans Reddit à propos de Weka. Il est conseillé de passer par le lien mentionné pour recueillir des nouvelles sur Weka et comment les autres l'utilisent. Cela devrait donner une perspective suffisante sur la prochaine étape possible après Weka..
Paso 6: Ligne de commande Weka
Prochaine etape: À partir de maintenant, nous comptons sur l'utilisation de Weka à l'aide de l'interface graphique Weka. À partir de maintenant, les deux cours sont basés sur une interface graphique à cet effet, ceux qui ont de l'expérience dans la programmation JAVA peuvent faire confiance pour appeler Weka à partir du code JAVA. Ceci est utile car lorsque vous testez ou travaillez avec de grands ensembles de données, les scripts vous aident à automatiser votre travail. En outre, puisque JAVA est utilisé pour Hadoop Framework, Weka peut également être utilisé pour le BigData. Vous pouvez en savoir plus sur l'utilisation de Weka dans BigData sur ici.
Ensuite, Les personnes intéressées par cet aspect de Weka peuvent essayer cette série de conférences en Dr. Noureddin Sadawi. Vous voudrez peut-être consulter ce didacticiel de l'API Weka playlist en outre. L'accent est mis sur l'appel de l'API Weka à partir du code JAVA, répète certains des concepts précédents, mais nous utilisons Weka en utilisant une interface en ligne de commande.
Paso 7: Défi Word2Vec
Ayant obtenu un aperçu significatif, maintenant nous allons voir l'analyse des sentiments. Il existe un petit jeu de données avec une taille de jeu de données d'environ 25 Mo. Donc, ceux-ci peuvent être traités à l'aide de l'interface graphique Weka. Pour les ensembles de données de plus de 40 Mo, nous devons utiliser la méthode de ligne de commande. Ce discussion ça peut être utile.
–
Ce chemin a été contribué par Abhinav Unnam, qui a fait un stage chez nous l'année dernière. Abhinav est actuellement en double diplôme à l'IIT Roorkee, l'une des meilleures universités d'ingénierie en Inde. Il a commencé son parcours d'apprentissage automatique via Weka et aujourd'hui, il aime participer à diverses compétitions Kaggle en utilisant R et Kaggle..
