Waikato Environment for Knowledge Analysis ( Weka ), desarrollado en la Universidad de Waikato , Nueva Zelanda , es un software libre con licencia GNU General Public License y el software complementario del libro "Data Mining: Practical Machine Learning Tools and Techniques". [1]
Desarrollador (es) | Universidad de Waikato |
---|---|
Lanzamiento estable | 3.8.5 (estable) / 21 de diciembre de 2020 |
Versión de vista previa | 3.9.5 / 21 de diciembre de 2020 |
Repositorio | |
Escrito en | Java |
Sistema operativo | Windows , OS X , Linux |
Plataforma | IA-32 , x86-64 ; Java SE |
Tipo | Aprendizaje automático |
Licencia | Licencia pública general GNU |
Sitio web | www |
Descripción
Weka contiene una colección de herramientas de visualización y algoritmos para el análisis de datos y el modelado predictivo , junto con interfaces gráficas de usuario para un fácil acceso a estas funciones. [1] La versión original de Weka que no era Java era un front-end de Tcl / Tk para algoritmos de modelado (en su mayoría de terceros) implementados en otros lenguajes de programación, además de utilidades de preprocesamiento de datos en C y un sistema basado en Makefile para ejecutar máquinas experimentos de aprendizaje. Esta versión original fue diseñada principalmente como una herramienta para analizar datos de dominios agrícolas, [2] [3] pero la versión más reciente completamente basada en Java (Weka 3), cuyo desarrollo comenzó en 1997, ahora se usa en muchas aplicaciones diferentes. áreas, en particular con fines educativos y de investigación. Las ventajas de Weka incluyen:
- Disponibilidad gratuita bajo la Licencia Pública General GNU .
- Portabilidad, ya que está completamente implementado en el lenguaje de programación Java y, por lo tanto, se ejecuta en casi cualquier plataforma informática moderna.
- Una colección completa de técnicas de modelado y preprocesamiento de datos.
- Facilidad de uso gracias a sus interfaces gráficas de usuario.
Weka admite varias tareas estándar de minería de datos , más específicamente, preprocesamiento de datos, agrupamiento , clasificación , regresión , visualización y selección de características . Se espera que la entrada a Weka se formatee de acuerdo con el formato de archivo relacional de atributos y con el nombre de archivo con la extensión .arff. Todas las técnicas de Weka se basan en el supuesto de que los datos están disponibles como un archivo plano o relación, donde cada punto de datos se describe mediante un número fijo de atributos (normalmente, atributos numéricos o nominales, pero también se admiten algunos otros tipos de atributos). . Weka proporciona acceso a bases de datos SQL utilizando Java Database Connectivity y puede procesar el resultado devuelto por una consulta de base de datos. Weka proporciona acceso al aprendizaje profundo con Deeplearning4j . [4] No es capaz de minar datos multirrelacionales, pero hay un software separado para convertir una colección de tablas de bases de datos vinculadas en una única tabla que es adecuada para procesar con Weka. [5] Otra área importante que actualmente no está cubierta por los algoritmos incluidos en la distribución de Weka es el modelado de secuencias.
Paquetes de extensión
En la versión 3.7.2, se agregó un administrador de paquetes para permitir una instalación más sencilla de los paquetes de extensión. [6] Algunas funciones que solían incluirse con Weka antes de esta versión se han trasladado a dichos paquetes de extensión, pero este cambio también facilita que otros contribuyan con extensiones a Weka y mantengan el software, ya que esta arquitectura modular lo permite. actualizaciones independientes del núcleo de Weka y extensiones individuales.
Historia
- En 1993, la Universidad de Waikato en Nueva Zelanda comenzó a desarrollar la versión original de Weka, que se convirtió en una combinación de Tcl / Tk, C y Makefiles.
- En 1997, se tomó la decisión de volver a desarrollar Weka desde cero en Java, incluidas las implementaciones de algoritmos de modelado. [7]
- En 2005, Weka recibió el premio SIGKDD Data Mining and Knowledge Discovery Service Award. [8] [9]
- En 2006, Pentaho Corporation adquirió una licencia exclusiva para utilizar Weka para inteligencia empresarial . [10] Forma el componente de análisis predictivo y minería de datos de la suite de inteligencia empresarial Pentaho. Desde entonces, Pentaho ha sido adquirido por Hitachi Vantara, y Weka ahora sustenta el componente de código abierto PMI (Plugin for Machine Intelligence). [11]
Herramientas relacionadas
- Auto-WEKA es un sistema de aprendizaje automático automatizado para Weka. [12]
- El entorno para el desarrollo de aplicaciones KDD compatibles con estructuras de índice ( ELKI ) es un proyecto similar a Weka con un enfoque en el análisis de clústeres , es decir, métodos no supervisados.
- H2O.ai es una plataforma de ciencia de datos y aprendizaje automático de código abierto
- KNIME es un software de aprendizaje automático y minería de datos implementado en Java .
- Massive Online Analysis (MOA) es un proyecto de código abierto para la minería a gran escala de flujos de datos, también desarrollado en la Universidad de Waikato en Nueva Zelanda .
- Neural Designer es un software de minería de datos basado en técnicas de aprendizaje profundo escritas en C ++ .
- Orange es un proyecto de código abierto similar para minería de datos, aprendizaje automático y visualización basado en scikit-learn .
- RapidMiner es un marco de aprendizaje automático comercial implementado en Java que integra Weka.
- Scikit-learn es una biblioteca de aprendizaje automático popular en Python.
Ver también
- Lista de software de análisis numérico
Referencias
- ^ a b Witten, Ian H .; Frank, Eibe; Hall, Mark A .; Pal, Christopher J. (2011). "Minería de datos: herramientas y técnicas prácticas de aprendizaje automático, 3ª edición" . Morgan Kaufmann, San Francisco (CA) . Consultado el 19 de enero de 2011 .
- ^ Holmes, Geoffrey; Donkin, Andrew; Witten, Ian H. (1994). "Weka: un banco de trabajo de aprendizaje automático" (PDF) . Actas de la Segunda Conferencia de Australia y Nueva Zelanda sobre Sistemas de Información Inteligentes, Brisbane, Australia . Consultado el 25 de junio de 2007 .
- ^ Garner, Stephen R .; Cunningham, Sally Jo; Holmes, Geoffrey; Nevill-Manning, Craig G .; Witten, Ian H. (1995). "Aplicación de un banco de trabajo de aprendizaje automático: experiencia con bases de datos agrícolas" (PDF) . Actas del Taller de aprendizaje automático en la práctica, Conferencia de aprendizaje automático, Tahoe City (CA), EE . UU . págs. 14-21 . Consultado el 25 de junio de 2007 .
- ^ "Metadatos del paquete Weka" . SourceForge . 2017 . Consultado el 11 de noviembre de 2017 .
- ^ Reutemann, Peter; Pfahringer, Bernhard; Frank, Eibe (2004). "Adecuado: una caja de herramientas para aprender a partir de datos relacionales con aprendices propositivos y de instancias múltiples". 17ª Conferencia Conjunta Australiana sobre Inteligencia Artificial (AI2004) . Springer-Verlag. CiteSeerX 10.1.1.459.8443 .
- ^ "weka-wiki - Paquetes" . Consultado el 27 de enero de 2020 .
- ^ Witten, Ian H .; Frank, Eibe; Trigg, Len; Hall, Mark A .; Holmes, Geoffrey; Cunningham, Sally Jo (1999). "Weka: Técnicas y herramientas prácticas de aprendizaje automático con implementaciones de Java" (PDF) . Actas del taller ICONIP / ANZIIS / ANNES'99 sobre ingeniería del conocimiento emergente y sistemas de información conexionistas . págs. 192-196 . Consultado el 26 de junio de 2007 .
- ^ Piatetsky-Shapiro, Gregory I. ( 28 de junio de 2005 ). "Noticias de KDnuggets sobre SIGKDD Service Award 2005" . Consultado el 25 de junio de 2007 .
- ^ "Resumen de los ganadores del premio al servicio SIGKDD" . 2005 . Consultado el 25 de junio de 2007 .
- ^ "Pentaho adquiere Weka Project" . Pentaho . Consultado el 6 de febrero de 2018 .
- ^ "Complemento para inteligencia artificial" .
- ^ Thornton, Chris; Hutter, Frank; Hoos, Holger H .; Leyton-Brown, Kevin (2013). Auto-WEKA: Selección combinada y optimización de hiperparámetros de algoritmos de clasificación . KDD '13 Actas de la 19ª conferencia internacional ACM SIGKDD sobre descubrimiento de conocimiento y minería de datos. págs. 847–855.
enlaces externos
- Sitio web oficial de la Universidad de Waikato en Nueva Zelanda