Kobilica (Knowledge Extraction based on Evolutionary Learning) je programsko orodje, ki temelji na Javi in je specializirano za implementacijo evolucijskih algoritmov. Ker je odprtokoden, ponuja široko paleto algoritmov za odkrivanje znanja, ki jih je mogoče uporabiti v poskusih, ki poganjajo skupnost podatkovnega rudarjenja in analize. Zagotavlja preprost in za uporabo enostaven grafični uporabniški vmesnik, ki znatno zmanjša celotno kompleksnost tega orodja. Večina podobnih orodij na trgu zahteva, da uporabniki komunicirajo z njimi tako, da napišejo kodo, medtem ko Keel to zahtevo odpravi z zagotavljanjem intuitivnega GUI, ki ga lahko uporabljajo tako začetniki kot strokovnjaki.
Keel ponuja široko paleto različnih algoritmov, ki temeljijo na računalniški inteligenci, vključno s klasifikacijo, regresijo, ekstrakcijo značilnosti, analizo vzorcev, združevanjem v gruče in več. Z glavnimi modeli, ki so vpeti neposredno v samo aplikacijo, je Keel zelo uporabno orodje, ko gre za izvajanje raziskovalnih analiz podatkov na nizih neobdelanih podatkov. Njegov preprost vmesnik povleci in spusti skupaj z enostavno uporabo funkcionalnosti omogoča hitro in učinkovito eksperimentiranje s podatkovnim rudarjenjem za izobraževalne in raziskovalne namene. Orodja, kot je Keel, postajajo vse bolj priljubljena zaradi njihovega poenostavljenega pristopa k sicer zapletenim algoritemskim praksam.
Namestitev
Obstajata dva glavna načina namestitve Kobilica na kateri koli napravi Linux. Prvi vključuje odhod v Spletna stran Keel in od tam prenesete programsko opremo. Drugi, ki ga bomo spremljali v tem priročniku za namestitev, zahteva, da prenesemo Keel z uporabo wget orodje za prenos, ki je na voljo uporabnikom Linuxa.
1. Začnemo tako, da dobimo wget na našem računalniku Linux.
Zaženite naslednji ukaz za prenos wget z uporabo apt upravitelj paketov:
$ sudo apt-get namestitev wget
Videli boste podoben izhod terminala:
2. Zdaj, ko imamo wget orodje, nameščeno na našem računalniku Linux, ga uporabljamo za prenos Kobilica orodje.
To je povezava ki ga posredujemo v wget.
V terminalu zaženite naslednji ukaz:
$ wget http: // sci2s.ugr.es / kobilica / programsko opremo / prototipi / openVersion / Programska oprema- 2018 -04-09.zip
Na terminalu bi morali videti podoben izpis:
Ko je Keel končan s prenosom, lahko nadaljujemo s preostalim delom namestitve.
3. Zdaj ekstrahiramo stisnjeno datoteko, ki smo jo prenesli v prejšnjem koraku, z orodjem Linux Razpakiraj.
Zaženite naslednji ukaz:
$ razpakirati Programska oprema- 2018 -04-09.zip
V terminalu bi morali videti podoben rezultat:
4. Pomaknite se do mape Keel tako, da zaženete naslednji ukaz:
$ cd Programska oprema- 2018 -04-09 / dokumenti / poskusi / KOBILICA / dist /
5. Za začetek namestitve zaženite naslednji ukaz:
$ java -kozarec . / GraphInterKeel.jar
S tem bi moral biti Keel na voljo za uporabo na vašem računalniku Linux.
Navodila
Interakcija z Kobilica aplikacija je res enostavna in enostavna. Začnimo z uvozom Niz podatkov o šarenici v naš delovni prostor.
Ko uvozimo podatke, nam orodje prikaže celotno združevanje podatkovne točke v naboru podatkov. Pokaže nam tudi različne razrede, ki so prisotni v naboru podatkov, skupaj z osnovnimi informacijami, kot so številčni obsegi, ki jih te podatkovne točke zajemajo, ter skupna varianca in srednje vrednosti, ki jih predstavljajo. Te informacije omogočajo uporabnikom, da bolje razumejo, kako nadaljevati s pripravo podatkov za kakršno koli nalogo analize podatkov.
Ko gremo naprej v eksperimentiranje, naletimo na različne tehnike, ki jih lahko uporabimo za ustvarjanje našega eksperimenta na katerem koli nizu podatkov. Različne učne algoritme, ki jih je mogoče uporabiti za naše podatke, lahko vidite na naslednji sliki. Glede na naravo nabora podatkov in zahteve poskusa je mogoče eksperimentirati z različnimi algoritmi.
Če na primer delate z neoznačenimi podatki in morate poiskati podobnosti med različnimi podatkovnimi točkami v vašem naboru podatkov, vam lahko uporaba algoritma združevanja v gruče iz različnih razpoložljivih možnosti pomaga bolje razumeti podatkovne točke. To vam sčasoma pomaga pri označevanju in razvrščanju podatkovnih točk, tako da lahko eksperiment nadgradite z uporabo obsežnejših algoritmov za nadzorovano učenje.
Zaključek
The Kobilica platforma za podatkovno analitiko je dober vir tako za raziskovalne kot izobraževalne namene. Grafični uporabniški vmesnik, ki je enostaven za uporabo, pomaga uporabnikom, da bolje razumejo zahteve podatkov, skupaj z zagotavljanjem logičnih sklicev na koristne tehnike in algoritme, ki dodatno pomagajo uporabnikom pri njihovih delovnih tokovih. Širok nabor različnih algoritmov, ki spadajo v različne kategorije in algoritemske tehnike, uporabnikom omogoča eksperimentiranje s številnimi logičnimi usmeritvami in primerjavo teh rezultatov, tako da je mogoče doseči najbolj optimalno rešitev za kateri koli problem.
Keelov pristop povleci in spusti brez kode k podatkovnemu rudarjenju pomaga tudi začetnikom, da brez truda delajo z obsežnimi modeli računalniške inteligence. To zagotavlja vpogled v zapletene nize podatkov in posledično izpelje uporabne sklepe, ki pomagajo pri reševanju težav v resničnem svetu.