Lassen Sie mich zunächst sagen, dass meiner Meinung nach das mit Abstand beste Tool R ist, das Tonnen von Bibliotheken und Dienstprogrammen enthält, die ich hier nicht aufzählen werde.
Lassen Sie mich die Diskussion über Weka erweitern
Es gibt eine Bibliothek für R namens RWeka, die Sie einfach in R installieren können. Ich möchte Ihnen ein Codebeispiel für die Erstellung eines einfachen Entscheidungsbaums geben, in dem Sie viele der Funktionen dieses großartigen Programms zusammen mit denen in R verwenden können Lesen Sie aus einer Standarddatenbank, die mit diesem Paket geliefert wird (es ist auch sehr einfach, den resultierenden Baum zu zeichnen, aber ich überlasse Ihnen die Recherche, wie dies zu tun ist, die in der RWeka-Dokumentation enthalten ist:
library(RWeka)
iris <- read.arff(system.file("arff", "iris.arff", package = "RWeka"))
classifier <- IBk(class ~., data = iris)
summary(classifier)
Dazu gibt es auch mehrere Python-Bibliotheken (Python ist sehr einfach zu erlernen).
Lassen Sie mich zuerst die Pakete aufzählen, die Sie verwenden können. Ich werde nicht im Detail auf sie eingehen. Weka (ja, Sie haben eine Bibliothek für Python), NLKT (das bekannteste Open-Source-Paket für Textmining neben Datamining), statPy , sickits und scipy.
Es gibt auch Orange, was ausgezeichnet ist (darüber werde ich später noch sprechen). Hier ist ein Codebeispiel für die Erstellung eines Baums aus den Daten in der Tabelle cmpart1, das auch eine 10-fache Validierung durchführt. Sie können den Baum auch grafisch darstellen
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
Zum Schluss noch ein paar andere Pakete, die ich benutzt und interessant gefunden habe
Orange : Datenvisualisierung und -analyse für Anfänger und Experten. Data Mining durch visuelle Programmierung oder Python-Scripting. Komponenten für maschinelles Lernen. Erweiterungen für Bioinformatik und Text Mining. (Ich persönlich empfehle dies, ich habe es viel benutzt, um es in Python zu integrieren, und es war exzellent.) Ich kann Ihnen Python-Code schicken, wenn Sie wollen, dass ich das tue.
ROSETTA : Toolkit zur Analyse tabellarischer Daten im Rahmen der Grobsatztheorie . ROSETTA wurde entwickelt, um den gesamten Data Mining- und Knowledge Discovery-Prozess zu unterstützen: Vom anfänglichen Durchsuchen und Vorverarbeiten der Daten über die Berechnung minimaler Attributsätze und die Generierung von Wenn-Dann-Regeln oder deskriptiven Mustern bis hin zur Validierung und Analyse der induzierten Regeln oder Muster (Das habe ich auch sehr genossen)
KEEL : Bewertung evolutionärer Algorithmen für Data Mining-Probleme, einschließlich Regression, Klassifizierung, Clustering, Pattern Mining usw. Es ermöglicht uns, eine vollständige Analyse jedes Lernmodells im Vergleich zu bestehenden durchzuführen, einschließlich eines statistischen Testmoduls zum Vergleich.
DataPlot : Zur wissenschaftlichen Visualisierung, statistischen Analyse und nichtlinearen Modellierung. Der Dataplot-Zielbenutzer ist der Forscher und Analyst, der mit der Charakterisierung, Modellierung, Visualisierung, Analyse, Überwachung und Optimierung von wissenschaftlichen und technischen Prozessen befasst ist.
Openstats : Enthält eine Statistik- und Messgrundlage , beschreibende Statistiken, einfache Vergleiche, Varianzanalysen, Korrelationen, multiple Regressionen, unterbrochene Zeitreihen, multivariate Statistiken, nicht parametrische Statistiken, Messungen, statistische Prozesskontrolle, Finanzverfahren, neuronale Netze, Simulation