Anar al contingut

Weka (aprenentage automàtic)

De L'Enciclopèdia, la wikipedia en valencià
Weka (aprenentage automàtic)

Weka (Waikato Environment for Knowledge Analysis, en espanyol «entorn per a anàlisis del coneiximent de l'Universitat de Waikato») és una plataforma de software per al aprenentage automàtic i la mineria de senyes escrit en Java i desenrollat en l'Universitat de Waikato. Weka és software lliure distribuït baix la llicència GNU-GPL.

Breu història

[editar | editar còdic]
  • En 1993, l'Universitat de Waikato de Nova Zelanda va iniciar el desenroll de la versió original de Weka (en TCL/TK i C).
  • En 1997, es va decidir reescriure el còdic en Java incloent implementacions d'algoritmes de modelació.[1]
  • En 2005, Weka rep de SIGKDD[2][3] (Special Interest Group on Knowledge Discovery and Data Mining) el guardó "Data Mining and Knowledge Discovery Service".
  • En 2006, Pentaho Corporation va adquirir una llicència exclusiva per a usar Weka per a Inteligència de negoci (Business Intelligence), donant lloc al component de mineria de senyes i anàlisis predictiu del paquet de software Pentaho Business Intelligence.

Descripció

[editar | editar còdic]

El paquet Weka[4] conté una colecció de ferramentes de visualisació i algoritmes per a anàlisis de senyes i modelació predictiva, units a una interfaç gràfic d'usuari per a accedir fàcilment a les seues funcionalitats. La versió original de Weka va ser un front-end en TCL/TK per a modelar algoritmes implementats en uns atres llenguages de programació, més unes utilitats per a preprocesamiento de senyes desenrollades en C per a fer experiments d'aprenentage automàtic. Esta versió original es va dissenyar inicialment com a ferramenta per a analisar senyes procedents del domini de l'agricultura,[5][6] pero la versió més recent basada en Java (WEKA 3), que va escomençar a desenrollar-se en 1997, s'utilisa en moltes i molt diferents àrees, en particular en finalitat docents i d'investigació.

Característiques de Weka

[editar | editar còdic]

Les característiques de Weka són:

  • Està disponible lliurement baix la llicència pública general de GNU.
  • És molt portable perque està completament implementat en Java i pot córrer en casi qualsevol plataforma.
  • Conté una extensa colecció de tècniques per a preprocesamiento de senyes i modelació.
  • És fàcil d'utilisar per un principiante gràcies al seu interfaç gràfic d'usuari.

Weka soporta vàries tasques estàndar de mineria de senyes, especialment, preprocesamiento de senyes, clustering, classificació, regressió, visualisació, i selecció. Totes les tècniques de Weka es fonamenten en l'assunció de que les senyes estan disponibles en un ficher pla (flat file) o una relació, en la que cada registre de senyes està descrit per un número fix d'atributs (normalment numèrics o nominals, encara que també se soporten atres tipos). Weka també proporciona accés a bases de senyes via SQL gràcies a la conexió JDBC (Java Database Connectivity) i pot processar el resultat tornat per una consulta feta a la base de senyes. No pot realisar mineria de senyes multi-relacional, pero existixen aplicacions que poden convertir una colecció de taules relacionades d'una base de senyes en una única taula que ya pot ser processada en Weka.[7]

Un àrea important que actualment no cobrixen els algoritmes inclosos en Weka és el modelació de seqüències.

Vore també

[editar | editar còdic]

Referències

[editar | editar còdic]
  1. Ian H. Witten. «Weka: Practical Machine Learning Tools and Techniques with Java Implementations». Proceedings of the ICONIP/ANZIIS/ANNES'99 Workshop on Emerging Knowledge Engineering and Connectionist-Based Information Systems. Consultat el 26 de juny de 2007.
  2. Gregory Piatetsky-Shapiro. «KDnuggets news on SIGKDD Service Award 2005». Consultat el 25 de juny de 2007.
  3. «Overview of SIGKDD Service Award winners». Archivat des d'el original, el 1 de juliol de 2007. Consultat el 25 de juny de 2007.
  4. Ian H. Witten. «Data Mining: Practical machine learning tools and techniques, 2nd Edition». Morgan Kaufmann, Sant Francisco. Archivat des d'el original, el 27 de novembre de 2020. Consultat el 25 de juny de 2007.
  5. G. Holmes. «Weka: A machine learning workbench». Proc Second Austràlia and New Zealand Conference on Intelligent Information Systems, Brisbane, Austràlia. Consultat el 25 de juny de 2007.
  6. S.R. Garner. «Applying a machine learning workbench: Experience with agricultural databases». Proc Machine Learning in Practice Workshop, Machine Learning Conference, Tahoe City, CA, USA. Consultat el 25 de juny de 2007.
  7. P. Reutemann. «Proper: A Toolbox for Learning from Relational Data with Propositional and Multi-Instance Learners». 17th Australian Joint Conference on Artificial Intelligence (AI2004). Springer-Verlag. Consultat el 25 de juny de 2007.


Referències

[editar | editar còdic]