กระดูกงู (การสกัดความรู้ตามการเรียนรู้เชิงวิวัฒนาการ) เป็นเครื่องมือซอฟต์แวร์ที่ใช้ Java ซึ่งเชี่ยวชาญในการใช้อัลกอริทึมเชิงวิวัฒนาการ เนื่องจากเป็นโอเพ่นซอร์สจึงมีอัลกอริธึมการค้นพบความรู้ที่หลากหลายซึ่งสามารถใช้ในการทดลองที่ขับเคลื่อนการทำเหมืองข้อมูลและชุมชนการวิเคราะห์ มีส่วนติดต่อผู้ใช้แบบกราฟิกที่เรียบง่ายและใช้งานง่าย ซึ่งช่วยลดความซับซ้อนโดยรวมของเครื่องมือนี้ได้อย่างมาก เครื่องมือที่คล้ายคลึงกันส่วนใหญ่ในตลาดต้องการให้ผู้ใช้โต้ตอบกับพวกเขาด้วยการเขียนโค้ด ในขณะที่ Keel ขจัดข้อกำหนดนี้ด้วยการจัดเตรียม GUI ที่ใช้งานง่ายซึ่งผู้เริ่มต้นและผู้เชี่ยวชาญสามารถใช้ได้
Keel มีอัลกอริทึมที่ใช้ความฉลาดทางการคำนวณที่แตกต่างกันมากมาย รวมถึงการจำแนกประเภท การถดถอย การดึงคุณลักษณะ การวิเคราะห์รูปแบบ การจัดกลุ่ม และอื่นๆ ด้วยโมเดลกระแสหลักที่รวมเข้ากับแอปพลิเคชันโดยตรง Keel จึงเป็นเครื่องมือที่มีประโยชน์มากเมื่อพูดถึงการวิเคราะห์ข้อมูลเชิงสำรวจในชุดข้อมูลดิบ อินเทอร์เฟซแบบลากและวางที่เรียบง่ายจับคู่กับความง่ายในการใช้งานช่วยให้สามารถทดลองทำเหมืองข้อมูลได้อย่างรวดเร็วและมีประสิทธิภาพสำหรับวัตถุประสงค์ด้านการศึกษาและการวิจัย เครื่องมือเช่น Keel กำลังได้รับความนิยมเพิ่มขึ้นเนื่องจากวิธีการที่เรียบง่ายในการปฏิบัติตามอัลกอริทึมที่ซับซ้อน
การติดตั้ง
มีสองวิธีหลักที่เราสามารถติดตั้งได้ กระดูกงู บนลีนุกซ์เครื่องใดก็ได้ คนแรกเกี่ยวข้องกับการไปที่ เว็บเพจคีล และดาวน์โหลดซอฟต์แวร์จากที่นั่น อันที่สองซึ่งเราจะทำตามในคู่มือการติดตั้งนี้กำหนดให้เราดาวน์โหลด Keel โดยใช้ ว้าว เครื่องมือดาวน์โหลดสำหรับผู้ใช้ Linux
1. เราเริ่มต้นด้วยการได้รับ ว้าว บนเครื่อง Linux ของเรา
เรียกใช้คำสั่งต่อไปนี้เพื่อดาวน์โหลด wget โดยใช้ไฟล์ ฉลาด ผู้จัดการแพ็คเกจ:
$ ซูโด ฉลาดรับการติดตั้ง ว้าว
คุณจะเห็นเอาต์พุตเทอร์มินัลที่คล้ายกัน:
2. ตอนนี้เรามี ว้าว เครื่องมือที่ติดตั้งบนเครื่อง Linux ของเรา เราใช้เพื่อดาวน์โหลด กระดูกงู เครื่องมือ.
นี้เป็น ลิงค์ ที่เราผ่านไปยัง wget
เรียกใช้คำสั่งต่อไปนี้ในเทอร์มินัลของคุณ:
$ ว้าว http: // sci2s.ugr.es / กระดูกงู / ซอฟต์แวร์ / ต้นแบบ / เวอร์ชันเปิด / ซอฟต์แวร์- 2561 -04-09.zip
คุณควรเห็นผลลัพธ์ที่คล้ายกันในเทอร์มินัลของคุณ:
เมื่อดาวน์โหลด Keel เสร็จแล้ว เราสามารถดำเนินการติดตั้งส่วนที่เหลือต่อได้
3. ตอนนี้เราแยกไฟล์บีบอัดที่เราดาวน์โหลดในขั้นตอนก่อนหน้าโดยใช้เครื่องมือ Unzip ของ Linux
เรียกใช้คำสั่งต่อไปนี้:
$ เปิดเครื่องรูด ซอฟต์แวร์- 2561 -04-09.zip
คุณควรเห็นผลลัพธ์ที่คล้ายกันในเทอร์มินัล:
4. ไปที่โฟลเดอร์ Keel โดยใช้คำสั่งต่อไปนี้:
$ ซีดี ซอฟต์แวร์- 2561 -04-09 / เอกสาร / การทดลอง / กระดูกงู / ไกล /
5. รันคำสั่งต่อไปนี้เพื่อเริ่มการติดตั้ง:
$ ชวา -ไห . / GraphInterKeel.jar
ด้วยสิ่งนี้ Keel ควรพร้อมใช้งานบนเครื่อง Linux ของคุณ
คู่มือผู้ใช้
โต้ตอบกับ กระดูกงู แอปพลิเคชั่นนั้นง่ายและเรียบง่าย ให้เราเริ่มต้นด้วยการนำเข้าไฟล์ ชุดข้อมูลม่านตา เข้ามาในพื้นที่ทำงานของเรา
เมื่อเรานำเข้าข้อมูล เครื่องมือจะแสดงการรวมกลุ่มโดยรวมของจุดข้อมูลในชุดข้อมูล นอกจากนี้ยังแสดงให้เราเห็นถึงคลาสต่างๆ ที่มีอยู่ในชุดข้อมูลพร้อมกับข้อมูลพื้นฐาน เช่น ช่วงตัวเลขที่จุดข้อมูลเหล่านี้ครอบคลุม และความแปรปรวนโดยรวมและค่าเฉลี่ยที่มีอยู่ ข้อมูลนี้ช่วยให้ผู้ใช้เข้าใจวิธีดำเนินการเตรียมข้อมูลสำหรับงานวิเคราะห์ข้อมูลทุกประเภทได้ดีขึ้น
ดำเนินการต่อไปในการทดลอง เราพบเทคนิคต่างๆ ที่สามารถใช้เพื่อสร้างการทดสอบของเรากับชุดข้อมูลใดๆ อัลกอริทึมการเรียนรู้ต่างๆ ที่สามารถใช้กับข้อมูลของเราสามารถดูได้จากภาพต่อไปนี้ ขึ้นอยู่กับลักษณะของชุดข้อมูลและข้อกำหนดของการทดสอบ สามารถทดลองอัลกอริทึมที่แตกต่างกันได้
ตัวอย่างเช่น หากคุณกำลังทำงานกับข้อมูลที่ไม่มีป้ายกำกับและต้องค้นหาความคล้ายคลึงกันระหว่างจุดข้อมูลต่างๆ ในชุดข้อมูลของคุณ การใช้อัลกอริทึมการจัดกลุ่มจากตัวเลือกต่างๆ ที่มีอยู่สามารถช่วยให้คุณเข้าใจจุดข้อมูลได้ดีขึ้น ในที่สุดสิ่งนี้จะช่วยให้คุณติดป้ายกำกับและจัดประเภทจุดข้อมูลเพื่อให้สามารถสร้างการทดสอบโดยใช้อัลกอริทึมการเรียนรู้ภายใต้การดูแลที่ครอบคลุมมากขึ้น
บทสรุป
เดอะ กระดูกงู แพลตฟอร์มสำหรับการวิเคราะห์ข้อมูลเป็นแหล่งข้อมูลที่ดีสำหรับการวิจัยและการศึกษา อินเทอร์เฟซผู้ใช้แบบกราฟิกที่ใช้งานง่ายช่วยให้ผู้ใช้เข้าใจข้อกำหนดของข้อมูลได้ดียิ่งขึ้นพร้อมกับให้การอ้างอิงเชิงตรรกะถึงเทคนิคและอัลกอริทึมที่เป็นประโยชน์ซึ่งช่วยเหลือผู้ใช้เพิ่มเติมในเวิร์กโฟลว์ การมีอัลกอริธึมที่หลากหลายซึ่งอยู่ภายใต้หมวดหมู่และเทคนิคอัลกอริทึมที่แตกต่างกันทำให้ผู้ใช้สามารถทดลองกับทิศทางเชิงตรรกะจำนวนมากและเปรียบเทียบผลลัพธ์เหล่านี้เพื่อให้ได้วิธีแก้ปัญหาที่เหมาะสมที่สุด
วิธีการลากและวางแบบไม่มีโค้ดของ Keel ในการขุดข้อมูลช่วยให้แม้แต่ผู้เริ่มต้นก็สามารถทำงานกับโมเดลอัจฉริยะด้านการคำนวณที่ครอบคลุมได้อย่างง่ายดาย สิ่งนี้ให้ข้อมูลเชิงลึกเกี่ยวกับชุดข้อมูลที่ซับซ้อนและได้ข้อสรุปที่เป็นประโยชน์ซึ่งช่วยแก้ปัญหาในโลกแห่งความเป็นจริง