In questa era di Scienza dei dati dove R e Python governano il pollaio, diamo un'occhiata a un altro strumento di data science chiamato Weka. Weka esiste da parecchio tempo ed è stato sviluppato internamente all'Università di Waikato a scopi di ricerca. Ciò che rende Weka degno di essere provato è la curva di apprendimento facile.
Per qualcuno che non ha programmato da un po', Weka con la sua GUI offre la transizione più semplice nel mondo della data science. Essendo scritto in Java, coloro che hanno esperienza in Java possono anche chiamare la libreria nel loro codice.
Personalmente, ho avuto la mia prima opportunità di Scienza dei dati quando ho fatto un corso all'Università di Waikato. È stata un'introduzione salutare e mi ha fornito una transizione fluida alla scienza dei dati. Dopo, quando ho dovuto affrontare problemi più importanti, sono passato a R. Quindi raccomando vivamente Weka come strumento di apprendimento per chi vuole entrare nel mondo dei dati.
Di seguito è riportata la pedagogia dell'apprendimento passo dopo passo che ti aiuterà a comprendere i concetti in modo migliore e più concreto:
passo 1 : Cos'è Weka e perché usarlo?
Secondo Wikipedia :,
Mettere è una collezione di apprendimento automatico algoritmi per compiti di data mining. Gli algoritmi possono essere applicati direttamente a un set di dati o possono essere chiamati dal proprio codice Java. Mettere contiene strumenti per il pre-processing, classificazione, regressione, raggruppamentoIl "raggruppamento" È un concetto che si riferisce all'organizzazione di elementi o individui in gruppi con caratteristiche o obiettivi comuni. Questo processo viene utilizzato in varie discipline, compresa la psicologia, Educazione e biologia, per facilitare l'analisi e la comprensione di comportamenti o fenomeni. In ambito educativo, ad esempio, Il raggruppamento può migliorare l'interazione e l'apprendimento tra gli studenti incoraggiando il lavoro.., regole di associazione e visualizzazione dei dati.
Potresti voler dare un'occhiata a questo video di Brandon Weinberg. Questo video ti darà una notevole comprensione di questo incredibile strumento. Potresti non capire tutto tramite questo video, ma sicuramente imparerai le cose.
passo 2: configurazione della macchina
Ora che conosciamo Weka, possiamo passare alla fase successiva. Per saperne di più sullo strumento e sulle persone dietro il suo successo, puoi dare un'occhiata a questo sito sul Progetto Weka. Cosa c'è di più, puoi anche scaricare il software e ottenere l'ultima versione per il tuo sistema da questo Collegamento.
passo 3: imparare le basi di Weka
Il modo migliore per iniziare con Weka è utilizzare i MOOC offerti dall'Università di Waikato. Data Mining con Weka è un corso di buona reputazione, pero no está disponible durante todo el año. tuttavia, Non preoccuparti, en tales casos uno puede acceder a los videos del corso desde este Canale Youtube. Se puede ver el enlace oficial de este curso. qui. Los conjuntos de datos que se discutirán aquí se pueden descargar desde este Collegamento. La página tiene más enlaces a conjuntos de datos. Weka utiliza datos en formato ARFF. En caso de que los datos no estén en formato ARFF, puede convertirlos de formato CSV a ARFF tomando la ayuda de este video.
passo 4: set di dati
Después de haber probado los conjuntos de datos proporcionados por los coordinatores del curso, probaremos un conjunto de datos nuevo de Hai mai lottato per migliorare il tuo grado in un hackathon di apprendimento automatico. Dado que el formato sería .csv, conviértalo a formato ARFF, para que podamos leerlo en la interfaz de Weka. Dopo di haber realizado estos cursos, una volta acquisite sufficienti competenze per iniziare a lavorare e analizzare dataset utilizzando l'interfaccia grafica di Weka. Chi ha visitato il link MOOC avrebbe visto il corso 'Più data mining con Weka'.
passo 5: più data mining con Weka
Qui, sono state discusse alcune funzionalità più avanzate dell'uso del software. Sviluppa l'esperienza dell'uso del corso precedente, così, è un requisito preliminare.
Serie di YouTube
Oltre a questo corso, potrebbe voler dare un'occhiata a questa serie di lezioni su YouTube di Rushdi Shams.C'è un totale di 38 Conferenze. Può saltare alcune delle 2-3 lezioni iniziali se trova che il contenuto sia simile ai corsi precedenti. Questo corso si è basato su varie competenze che sono complementari a quelle fornite dalla serie precedente.
Notizie su Weka
Ci sono alcune discussioni interessanti in corso su Reddit su Weka. È consigliabile visitare il link menzionato per raccogliere notizie su Weka e come altri lo stanno utilizzando. Questo dovrebbe dare una prospettiva sufficiente sul prossimo passo possibile dopo Weka.
passo 6: Riga di comando di Weka
Prossimo passo: Di seguito, abbiamo fatto affidamento sull'uso di Weka tramite l'interfaccia grafica di Weka. Di seguito, entrambi i corsi si basano sull'interfaccia grafica a questo scopo, coloro che hanno esperienza in Programmazione JAVA possono fare affidamento sull'invocare Weka dal codice JAVA. Questo è utile perché quando si testano o si elaborano grandi set di dati, las secuencias de comandos ayudan a automatizar su trabajo. Cosa c'è di più, dado que JAVA se usa para Hadoop Framework, Weka también se puede usar para BigData. Puede leer más usando Weka en BigData en qui.
Quindi, aquellos interesados en este aspecto de Weka pueden probar esta serie de conférences por Dr. Noureddin Sadawi. Es posible que desee consultare este tutorial de la API de Weka lista de reproducción Cosa c'è di più. El énfasis está en llamar a la API de Weka desde el codice JAVA, repite algunos de los conceptos anteriores, pero usamos Weka usando una interfaz de línea de comandos.
passo 7: Desafío Word2Vec
Habiendo obtenido una visión significativa, ahora veremos el análisis de sentimientos. Hay un pequeño conjunto de datos con un tamaño de conjuntos de datos de alrededor de 25 MB. Perciò, estos se pueden procesar utilizando la GUI de Weka. Para conjuntos de datos de más de 40 MB, necesitamos usar el método de línea de comando. Questo discussion podría ser útil.
–
Este camino ha sido aportado por Abhinav Unnam, quien hizo una pasantía con nosotros el año pasado. Abhinav se encuentra attualmente en un corso de doppia titulazione de IIT Roorkee, una de las mejores universidades de ingeniería de la India. Comenzó su viaje de aprendizaje automático a través de Weka y hoy disfruta participando en varie competizioni de Kaggle usando R y Kaggle.
