Перш за все, дозвольте сказати, що на мою думку, найкращим інструментом з усіх на сьогоднішній день є R, у якому є багато бібліотек та комунальних служб, які я не збираюсь перелічувати тут.
Дозвольте розширити дискусію про Weka
Існує бібліотека для R, яка називається RWeka, яку ви можете легко встановити в R, і використовувати багато функціональних можливостей цієї чудової програми разом з функціями в R, дозвольте навести вам приклад коду для виконання простого дерева рішень читати зі стандартної бази даних, що постачається з цим пакетом (також дуже легко намалювати отримане дерево, але я збираюся дозволити вам зробити дослідження, як це зробити, що знаходиться в документації RWeka:
library(RWeka)
iris <- read.arff(system.file("arff", "iris.arff", package = "RWeka"))
classifier <- IBk(class ~., data = iris)
summary(classifier)
Для цього також є кілька бібліотек python (python дуже легкий для вивчення)
Спочатку дозвольте перерахувати пакунки, якими ви можете скористатися, я не збираюся детально про них розповідати; Weka (так, у вас є бібліотека для python), NLKT (найвідоміший пакет з відкритим кодом для textmining, крім datamining), statPy , bolits та scipy.
Є також апельсин, який є чудовим (я також розповім про це пізніше), ось приклад коду для виконання дерева з даних таблиці cmpart1, який також виконує перевірку в 10 разів, ви також можете графікувати дерево
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
На закінчення ще якимись пакунками, які я використав, мені здалося цікавим
Помаранчевий : візуалізація та аналіз даних для початківців та експертів. Обмін даними за допомогою візуального програмування або сценаріїв Python. Компоненти машинного навчання. Розширення для біоінформатики та видобутку тексту. (Я особисто рекомендую це, я багато використовував його, інтегруючи його в python, і це було чудово) Я можу надіслати вам якийсь код python, якщо ви цього хочете.
ROSETTA : інструментарій для аналізу табличних даних у рамках теорії грубого набору. ROSETTA призначений для підтримки загального процесу вилучення даних та знань знань: від початкового перегляду та попередньої обробки даних, через обчислення мінімальних наборів атрибутів та генерації правил тоді чи описових моделей, до перевірки та аналізу індукованих правил або шаблонів. . (Це мені теж сподобалось користуватися)
KEEL : оцінити еволюційні алгоритми для проблем обміну даними, включаючи регресію, класифікацію, кластеризацію, видобуток шаблонів тощо. Це дозволяє нам провести повний аналіз будь-якої моделі навчання порівняно з існуючою, включаючи модуль статистичного тестування для порівняння.
DataPlot : для наукової візуалізації, статистичного аналізу та нелінійного моделювання. Цільовим користувачем Dataplot є дослідник та аналітик, що займається характеристикою, моделюванням, візуалізацією, аналізом, моніторингом та оптимізацією наукових та інженерних процесів.
Відкриття : включає статистичний та вимірювальний праймер, описову статистику, прості порівняння, аналізи варіацій, кореляцію, множинні регресії, перервані часові ряди, багатоваріантну статистику, непараметричну статистику, вимірювання, статистичний контроль процесів, фінансові процедури, нейронні мережі, моделювання