ıllı Portal de Psicología y NeuroCiencias

Portal wikinfo sobre psicología y neurociencias.

Enciclopedia/Diccionario de Psicología y Neurociencias:

ıllı Weka (aprendizaje automático) wiki: info, libros pdf y vídeos

Detalles: Categoría: PSICOLOGIA (WIKINFO)

psicologia y neurociencias

Weka (aprendizaje automático)

El bulto Weka contiene una compilación de herramientas de visualización y algoritmos para análisis de datos y modelado predictivo, unidos a una interfaz de usuario para acceder sencillamente a sus funcionalidades. La V. O bien. de Weka fue un front-end en TCL/TK para modelar algoritmos incorporados en otros lenguajes de programación, más unas utilidades para preprocesamiento de datos desarrolladas en C para hacer ensayos de aprendizaje automático. Esta V. O bien. se diseñó en un inicio como herramienta para examinar datos procedentes del dominio de la agricultura, mas la versión más reciente basada en Java (WEKA tres), que comenzó a desarrollarse en mil novecientos noventa y siete, se usa en muchas y muy, muy diferentes áreas, particularmente con finalidades enseñantes y de investigación.

Características de Weka

Las peculiaridades de Weka son:

Está libre de forma libre bajo la licencia pública general de GNU.
Es muy portable pues está totalmente incorporado en Java y puede correr en prácticamente cualquier plataforma.
Contiene una extensa compilación de técnicas para preprocesamiento de datos y modelado.
Es simple de emplear por un principiante merced a su interfaz de usuario.

Weka aguanta múltiples labores estándar de minería de datos, singularmente, preprocesamiento de datos, clustering, clasificación, regresión, visualización, y selección. Todas y cada una de las técnicas de Weka se basan en la asunción de que los datos están libres en un archivo plano (flat archivo) o bien una relación, en la que cada registro de datos está descrito por un número fijo de atributos (en general numéricos o bien nominales, si bien asimismo se aguantan otros tipos). Weka asimismo da acceso a bases de datos vía SQL merced a la conexión JDBC (Java Base de datos Connectivity) y puede procesar el resultado devuelto por una consulta hecha a la base de datos. No puede efectuar minería de datos multi-relacional, mas existen aplicaciones que pueden transformar una compilación de tablas relacionadas de una base de datos en una sola tabla que puede ser procesada con Weka.

Un área esencial que hoy día no cubren los algoritmos incluidos en Weka es el modelado de secuencias.

Al ejecutar la aplicación nos aparece el selector de interfaz de Weka (Weka GUI Chooser) que da la opción de escoger entre 4 posibles interfaces de usuario para acceder a las funcionalidades del programa, estas son Simple CLI, Explorer, Experimenter y Knowledge Flow.

Simple CLI es la abreviatura de Simple Command-Line Interfaz («interfaz simple de línea de comandos»). Se trata de una consola que deja acceder a todas y cada una de las opciones de Weka desde línea de comandos.

La interfaz Explorer (Explorador) dispone de múltiples paneles que dan acceso a los componentes primordiales del banco de trabajo:

El panel Preprocess dispone de opciones para importar datos de una base de datos, de un ficheroCSV, etcétera, y para preprocesar estos datos usando los llamados algoritmos de filtrado. Estos filtros se pueden emplear para convertir los datos (por servirnos de un ejemplo transformando datos numéricos en valores prudentes) y para suprimir registros o bien atributos según determinados criterios anteriormente detallados.

El panel Classify deja al usuario aplicar algoritmos de clasificación estadística y análisis de regresión a los conjuntos de datos resultantes. Asimismo deja apreciar la precisión del modelo predictivo resultante, a través de curvas ROC, etcétera Por último, tiene utilidades para visualizar el propio modelo, en aquellos casos en que esto resulte posible, como por poner un ejemplo un árbol de resolución.

El panel Associate da acceso a las reglas de asociación aprendidas que procuran identificar todas y cada una de las correspondencias esenciales entre los atributos de los datos.

El panel Selected attributes da algoritmos para identificar los atributos más predictivos en un conjunto de datos.

El panel Visualize muestra una matriz de puntos desperdigados (scatterplot) donde cada punto individual puede escogerse y ampliarse para ser analizados en detalle utilizando múltiples operadores de selección.

La interfaz Experimenter («experimentador») deja la comparación sistemática de una ejecución de los algoritmos predictivos de Weka sobre una compilación de conjuntos de datos.

Knowledge Flow

Knowledge Flow («flujo de conocimiento») es una interfaz que en esencia incorpora exactamente las mismas funciones que Explorer, y además de esto deja "arrastrar y soltar". Asimismo puede ofrecer aprendizaje incremental.

mas informacion