Her şeyden önce size söyleyeyim, bana göre, bugüne kadarki en iyi aracın tonlarca kütüphaneye ve yardımcı programa sahip olan R olduğunu, burada saymayacağım.
Weka hakkındaki tartışmayı genişletmeme izin ver
R için kolayca yükleyebileceğiniz ve bu harika programın birçok işlevini R ile birlikte yükleyebileceğiniz RWeka adlı bir kütüphane var, basit bir karar ağacı yapmak için size bir kod örneği vereyim. Bu paketle birlikte gelen standart bir veritabanından okumak (ayrıca elde edilen ağacı çizmek çok kolaydır, ancak nasıl yapılacağı hakkında araştırma yapmanıza izin vereceğim, ki bunlar RWeka belgelerinde yer almaktadır:
library(RWeka)
iris <- read.arff(system.file("arff", "iris.arff", package = "RWeka"))
classifier <- IBk(class ~., data = iris)
summary(classifier)
Bunu yapmak için birkaç python kütüphanesi de vardır (python'un öğrenmesi çok kolaydır)
İlk önce kullanabileceğin paketleri sıralayayım, onlar hakkında detaylı bir şekilde gitmeyeceğim; Weka (evet python için bir kütüphaneniz var), NLKT (veri madenciliği dışında metin incelemesi için en ünlü açık kaynak paketi), statPy , sickits ve scipy .
Ayrıca mükemmel olan portakal da var (daha sonra konuşacağım), işte cmpart1 tablosundaki verilerden bir ağaç yapmak için bir kod örneği, 10 kat doğrulama işlemi gerçekleştiren, ayrıca ağacı grafikleyebilirsiniz.
import orange, orngMySQL, orngTree
data = orange.ExampleTable("c:\\python26\\orange\\cmpart1.tab")
domain=data.domain
n=10
buck=len(data)/n
l2=[]
for i in range(n):
tmp=[]
if i==n-1:
tmp=data[n*buck:]
else:
tmp=data[buck*i:buck*(i+1)]
l2.append(tmp)
train=[]
test=[]
di={'yy':0,'yn':0,'ny':0,'nn':0}
for i in range(n):
train=[]
test=[]
for j in range(n):
if j==i:
test=l2[i]
else:
train.extend(l2[j])
print "-----"
trai=orange.Example(domain, train)
tree = orngTree.TreeLearner(train)
for ins in test:
d1= ins.getclass()
d2=tree(ins)
print d1
print d2
ind=str(d1)+str(d2)
di[ind]=di[ind]+1
print di
Diğer bazı paketlerle sona ermek için kullandım ve ilginç buldum
Turuncu : acemi ve uzmanlar için veri görselleştirme ve analizi. Görsel programlama veya Python komut dosyası kullanarak veri madenciliği. Makine öğrenmesi için bileşenler. Biyoinformatik ve metin madenciliği için uzantılar. (Ben şahsen bunu tavsiye ediyorum, onu python ile bütünleştiren çok kullandım ve mükemmeldi.) İsterseniz size bir python kodu gönderebilirim.
ROSETTA : Tablo verilerini kaba küme teorisi çerçevesinde analiz etmek için bir araç seti. ROSETTA, genel veri madenciliği ve bilgi keşif sürecini desteklemek için tasarlanmıştır: Verilerin ilk taranmasından ve ön işlemesinden, minimum nitelik kümelerinin hesaplanması ve if-o zaman kurallarının veya tanımlayıcı modellerinin üretilmesi yoluyla, indüklenen kuralların veya modellerin doğrulanması ve analizine kadar (Bu da çok kullanarak zevk)
KEEL : regresyon, sınıflandırma, kümeleme, örüntü madenciliği ve benzeri dahil olmak üzere Veri Madenciliği problemleri için evrimsel algoritmaları değerlendirin. Karşılaştırma için bir istatistiksel test modülü de dahil olmak üzere, mevcut olanlara kıyasla herhangi bir öğrenme modelinin tam bir analizini yapmamızı sağlar.
DataPlot : Bilimsel görselleştirme, istatistiksel analiz ve doğrusal olmayan modelleme için. Hedef Dataplot kullanıcısı, bilimsel ve mühendislik süreçlerinin karakterizasyonu, modellenmesi, görselleştirilmesi, analizi, izlenmesi ve optimizasyonuyla ilgilenen araştırmacı ve analisttir.
Açılan : Bir İstatistik ve Ölçüm Astarı, Tanımlayıcı İstatistikler, Basit Karşılaştırmalar, Varyans Analizi, Korelasyon, Çoklu Regresyon, Kesintisiz Zaman Serileri, Çok Değişkenli İstatistik, Parametrik Olmayan İstatistik, Ölçme, İstatistiksel Süreç Kontrolü, Finansal İşlemler, Sinir Ağları, Simülasyon