Kiil (Knowledge Extraction Based on Evolutionary Learning) on Java-põhine tarkvaratööriist, mis on spetsialiseerunud evolutsiooniliste algoritmide rakendamisele. Kuna tegemist on avatud lähtekoodiga, pakub see laia valikut teadmiste avastamise algoritme, mida saab kasutada andmekaeve- ja analüüsikogukonda toidavad katsed. See pakub lihtsat ja hõlpsasti kasutatavat graafilist kasutajaliidest, mis vähendab oluliselt selle tööriista üldist keerukust. Enamik turul olevaid sarnaseid tööriistu nõuavad, et kasutajad suhtleksid nendega koodi kirjutades, samas kui Keel eemaldab selle nõude, pakkudes intuitiivset GUI-d, mida saavad kasutada nii algajad kui ka eksperdid.
Keel pakub laias valikus arvutusintellektil põhinevaid algoritme, sealhulgas klassifitseerimine, regressioon, funktsioonide eraldamine, mustrite analüüs, rühmitamine ja palju muud. Kuna tavamudelid on otse rakendusse sisse pandud, on Keel väga kasulik tööriist toorandmete kogumite uurimuslike andmeanalüüside tegemiseks. Selle lihtne pukseerimisliides koos funktsionaalsuse kasutamise lihtsusega võimaldab kiiret ja tõhusat andmekaeve eksperimenteerimist nii õppe- kui ka teaduseesmärkidel. Sellised tööriistad nagu Keel muutuvad üha populaarsemaks nende lihtsustatud lähenemise tõttu muidu keerukatele algoritmilistele praktikatele.
Paigaldamine
Installimiseks on kaks peamist viisi Kiil mis tahes Linuxi masinas. Esimene hõlmab külastamist Keeli veebileht ja sealt tarkvara alla laadida. Teine, mida me selles installijuhendis järgime, nõuab Keeli allalaadimist, kasutades wget allalaadimistööriist, mis on saadaval Linuxi kasutajatele.
1. Alustame saamisest wget meie Linuxi masinas.
Käivitage järgmine käsk, et wget alla laadida, kasutades asjakohane paketihaldur:
$ sudo apt-get install wget
Näete sarnast terminali väljundit:
2. Nüüd, kui meil on wget meie Linuxi masinasse installitud tööriist, kasutame seda allalaadimiseks Kiil tööriist.
See on link et me liigume wgetile.
Käivitage terminalis järgmine käsk:
$ wget http: // sci2s.ugr.es / kiil / tarkvara / prototüübid / avatud versioon / Tarkvara- 2018 -04-09.zip
Peaksite oma terminalis nägema sarnast väljundit:
Kui Keel on allalaadimise lõpetanud, saame jätkata ülejäänud installimisega.
3. Nüüd ekstraheerime eelmises etapis Linuxi lahtipakkimise tööriista abil alla laaditud tihendatud faili.
Käivitage järgmine käsk:
$ lahti pakkima Tarkvara- 2018 -04-09.zip
Peaksite terminalis nägema sarnast väljundit:
4. Liikuge kausta Keel, käivitades järgmise käsu:
$ cd Tarkvara- 2018 -04-09 / dokumente / katsed / KEEL / dist /
5. Käivitage installimise alustamiseks järgmine käsk:
$ java - purk . / GraphInterKeel.jar
Sellega peaks Keel olema teie Linuxi masinas kasutamiseks saadaval.
Kasutusjuhend
Suheldes Kiil rakendus on tõesti lihtne ja lihtne. Alustame importimisest Iirise andmekogum meie tööruumi.
Andmete importimisel näitab tööriist meile andmekogumi andmepunkti üldist rühmitust. Samuti näitab see meile andmekogus olevaid erinevaid klasse koos põhiteabega, nagu arvulised vahemikud, mida need andmepunktid hõlmavad, ning nende üldine dispersioon ja keskmised väärtused. See teave võimaldab kasutajatel paremini mõista, kuidas jätkata andmete ettevalmistamist mis tahes andmeanalüüsi ülesande jaoks.
Katsetamist edasi minnes puutume kokku erinevate tehnikatega, mida saab kasutada meie katse loomiseks mis tahes andmekogumis. Erinevad õppealgoritmid, mida meie andmetel kasutada saab, on näha järgmisel pildil. Olenevalt andmekogumi olemusest ja katse nõuetest saab katsetada erinevate algoritmidega.
Näiteks kui töötate märgistamata andmetega ja peate leidma sarnasusi oma andmekogumi erinevate andmepunktide vahel, võib erinevate saadaolevate valikute rühmitusalgoritmi kasutamine aidata teil andmepunkte paremini mõista. See aitab teil lõpuks andmepunkte märgistada ja klassifitseerida, et katse saaks üles ehitada põhjalikumate juhendatud õppealgoritmide abil.
Järeldus
The Kiil Andmeanalüütika platvorm on hea ressurss nii uurimis- kui ka hariduslikel eesmärkidel. Selle hõlpsasti kasutatav graafiline kasutajaliides aitab kasutajatel paremini mõista andmete nõudeid ning pakub loogilisi viiteid kasulikele tehnikatele ja algoritmidele, mis aitavad kasutajaid nende töövoogudes veelgi paremini aidata. Lai valik erinevaid algoritme, mis kuuluvad erinevatesse kategooriatesse ja algoritmiliste tehnikate alla, võimaldavad kasutajatel katsetada arvukate loogiliste suundadega ja võrrelda neid tulemusi, et leida igale probleemile optimaalne lahendus.
Keeli koodivaba pukseeriv lähenemine andmekaevele aitab isegi algajatel töötada vaevata kõikehõlmavate arvutusliku luuremudelitega. See annab ülevaate keerukatest andmekogumitest ja sellest tulenevalt tuletab kasulikke järeldusi, mis aitavad lahendada reaalse maailma probleeme.