برنامه weka ، ابزار قدرتمند در زمینه داده کاوی

برنامه weka ، ابزار قدرتمند در زمینه داده کاوی
درود بر دوستان و همراهان همیشگی پلتفرم آموزشی زودیاک ، مرجع آموزش داده کاوی
امروز با معرفی weka در خدمت شما همراهان همیشگی هستیم.
Weka یکی از برنامه های قدیمی و قدرتمند در زمینه داده کاوی و یادگیری ماشین است.
این برنامه در سال 1993-1994 در دانشگاه وایکاتو نیوزلند توسعه پیدا کرده است.
این برنامه که بصورت متن باز و رایگان ارایه می شود ، دارای پروانه GNU است. پروانه GNU ، پروانه عمومی همگانی گنو است. این مجوز ، رایج ترین مجوز در برنامه های متن باز است. این پروانه به کاربران اطمینان می دهد که حق مطالعه ، اشتراک گذاری ، ویرایش و انتشار نرم افزار را دارند. نام کامل این پروانه GNU General Public License است و این مجوز با نام GPL هم عنوان می شود.
نسخه اول برنامه weka تنها برای تجزیه تحلیل بر روی داده های کشاورزی بود و برپایه جاوا نبود. اما در سال 1997 توسعه دهندگان به سمت جاوا رفتند و برنامه برای هر صنعت و کاربردی مورد استفاده قرار گرفت.
weka از طیف وسیعی از الگوریتم ها و مدل های داده کاوی مانند دسته بندی ، طبقه بندی و رگرسیون پیشتیبانی می کند.
برنامه weka در سال 1993 در نیوزلند توسعه پیداکرده است
برنامه weka با کمک Java Database Connectivity می تواند به پایگاه داده های SQL وصل شود و با استفاده از دستورات پایگاه داده ، به تحلیل و تجزیه داده های پایگاه داده بپردازد.
قابلیت های کلیدی نرم افزار:
- رابط کاربری آسان
- رایگان بودن برنامه
- توسعه بصورت متن باز
- گواهی GNU
- پشتیبانی از طیف وسیعی از الگوریتم های داده کاوی
- امکان اضافه کردن الگوریتم و شخصی سازی توسط کاربر
- استفاده از تکنیک های کلاسترینگ ، طبقه بندی ، دسته بندی و …
- گزارش گیری بصورت جدول ، پلات ، نمودار
- اتصال به پایگاه داده های SQL
- و …
همچنین این نرم افزار از الگوریتم های بسیاری پشتیبانی می کند که در برنامه در 7 دسته ، به شرح زیر دسته بندی می شوند :
- Bayes: شامل الگوریتم های که از قضیه بیز پیروی می کنند مانند الگوریتم دسته بندی بیز ساده (Naive Bayes)
- Function: الگوریتم های که برای پیش بینی عملکرد هستند مانند رگرسیون خطی
- Lazy: الگوریتم های داده کاوی که از یادگیری تنبل پیروی می کنند مانند k نزدیکترین همسایه (KNN)
- Meta: الگوریتم های که از ترکیب چند الگوریتم استفاده می کنند مانند مدل Ensembles
- Rules: الگوریتم های که از قوانین پیروی می کنند مانند one rule
- Trees: الگوریتم های داده کاوی که بر اساس درخت تصمیم هستند مانند random forest
- Misc: مدل های که از دسته خاصی پیروی نمی کنند مانند اجرای یک مدل ذخیره شده.
حال اگر بخواهیم به نام دقیق الگوریتم ها و مدل های پشتیبانی شده در برنامه weka بپردازیم ، می توانیم الگوریتم های زیر را نام ببریم :
- رگرسیون خطی
- لجستیک داده کاوی رگرسیون
- الگوریتم بیز
- الگوریتم های مختلف درخت تصمیم
- الگوریتم k نزدیک ترین همسایه (KNN)
- الگوریتم داده کاوی ماشین بردار پشتیبانی (SVM)
- شبکه های عصبی
- و …
امیدوارم از معرفی برنامه weka لذت برده باشید.
دیدگاهتان را بنویسید