Conjunto de software de aprendizaje automático escrito en Java
Waikato Environment for Knowledge Analysis ( Weka ) es una colección de software libre de aprendizaje automático y análisis de datos con licencia GNU General Public License . Fue desarrollado en la Universidad de Waikato , Nueva Zelanda y es el software complementario del libro "Data Mining: Practical Machine Learning Tools and Techniques". [1]
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 no Java de Weka era un front-end 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 experimentos de aprendizaje automático. 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), para la cual el desarrollo comenzó en 1997, ahora se usa en muchas áreas de aplicación diferentes, en particular con fines educativos y de investigación. Las ventajas de Weka incluyen:
- Libre disponibilidad bajo la Licencia Pública General de GNU .
- Portabilidad, ya que está totalmente implementado en el lenguaje de programación Java y, por lo tanto, funciona en casi cualquier plataforma informática moderna.
- Una colección completa de técnicas de preprocesamiento y modelado de datos.
- Facilidad de uso debido 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 esté formateada 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 otros tipos de atributos). Weka proporciona acceso a bases de datos SQL mediante 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 realizar minería de datos multirelacional, pero existe un software independiente para convertir una colección de tablas de bases de datos vinculadas en una sola tabla que sea adecuada para su procesamiento 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 estar incluidas con Weka antes de esta versión se han trasladado desde entonces 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 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 mezcla 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 al servicio de descubrimiento de conocimiento y minería de datos. [8] [9]
- En 2006, Pentaho Corporation adquirió una licencia exclusiva para utilizar Weka para inteligencia empresarial . [10] Forma el componente de minería de datos y análisis predictivo de la suite de inteligencia empresarial de Pentaho. Pentaho ha sido adquirida desde entonces por Hitachi Vantara, y Weka ahora sustenta el componente de código abierto PMI (Plugin for Machine Intelligence). [11]
Herramientas relacionadas
Véase también
Referencias
- ^ ab Witten, Ian H. ; Frank, Eibe; Hall, Mark A.; Pal, Christopher J. (2011). Minería de datos: herramientas y técnicas prácticas de aprendizaje automático (3.ª ed.). San Francisco (CA): Morgan Kaufmann . ISBN 9780080890364. Recuperado 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 Machine Learning in Practice, Machine Learning Conference , Tahoe City (CA), EE. UU., págs. 14–21 . Consultado el 25 de junio de 2007 .
- ^ "Metadatos del paquete Weka". 2017. Consultado el 11 de noviembre de 2017 a través de SourceForge .
- ^ Reutemann, Peter; Pfahringer, Bernhard; Frank, Eibe (2004). "Proper: una caja de herramientas para aprender a partir de datos relacionales con aprendices proposicionales y de múltiples instancias". 17.ª 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 – vía GitHub .
- ^ Witten, Ian H.; Frank, Eibe; Trigg, Len; Hall, Mark A.; Holmes, Geoffrey; Cunningham, Sally Jo (1999). Weka: Herramientas y técnicas prácticas de aprendizaje automático con implementaciones en Java (PDF) . Actas del taller ICONIP/ANZIIS/ANNES'99 sobre ingeniería de conocimiento emergente y sistemas de información basados en conexiones. págs. 192–196 . Consultado el 26 de junio de 2007 .
- ^ Piatetsky-Shapiro, Gregory I. (28 de junio de 2005). "Ganador del premio SIGKDD Data Mining and Knowledge Discovery Service Award". KDnuggets . Consultado el 25 de junio de 2007 .
- ^ "Resumen de los ganadores del premio al servicio SIGKDD". ACM. 2005. Consultado el 25 de junio de 2007 .
- ^ "Pentaho adquiere el proyecto Weka". Pentaho . Consultado el 6 de febrero de 2018 .
- ^ "Plugin para inteligencia artificial". Hitachi Vantara .
- ^ Thornton, Chris; Hutter, Frank; Hoos, Holger H .; Leyton-Brown, Kevin (11 de agosto de 2013). Auto-WEKA: selección combinada y optimización de hiperparámetros de algoritmos de clasificación . Actas de la 19.ª conferencia internacional ACM SIGKDD sobre descubrimiento de conocimiento y minería de datos . ACM. págs. 847–855. doi :10.1145/2487575.2487629. ISBN . 978-1-4503-2174-7.
Enlaces externos
Wikimedia Commons tiene medios relacionados con Weka (aprendizaje automático) .
- Sitio web oficial de la Universidad de Waikato en Nueva Zelanda