Köli (Knowledge Extraction perustuu evoluutionaariseen oppimiseen) on Java-pohjainen ohjelmistotyökalu, joka on erikoistunut evoluutioalgoritmien toteuttamiseen. Koska se on avoin lähdekoodi, se tarjoaa laajan valikoiman tiedonhakualgoritmeja, joita voidaan käyttää kokeissa, jotka tehostavat tiedon louhinta- ja analysointiyhteisöä. Se tarjoaa yksinkertaisen ja helppokäyttöisen graafisen käyttöliittymän, joka vähentää merkittävästi tämän työkalun yleistä monimutkaisuutta. Useimmat samankaltaiset työkalut markkinoilla edellyttävät käyttäjien olevan vuorovaikutuksessa heidän kanssaan kirjoittamalla koodia, kun taas Keel poistaa tämän vaatimuksen tarjoamalla intuitiivisen käyttöliittymän, jota voivat käyttää sekä aloittelijat että asiantuntijat.
Keel tarjoaa laajan valikoiman erilaisia laskennalliseen älykkyyteen perustuvia algoritmeja, mukaan lukien luokittelu, regressio, piirteiden poimiminen, kuvioanalyysi, klusterointi ja paljon muuta. Kun valtavirran mallit on upotettu suoraan sovellukseen, Keel on erittäin hyödyllinen työkalu, kun on suoritettava tutkivia dataanalyysejä raakatietosarjoista. Sen yksinkertainen vedä ja pudota -käyttöliittymä yhdistettynä toimintojen helppokäyttöisyyteen mahdollistaa nopean ja tehokkaan tiedonlouhinnan kokeilun sekä koulutus- että tutkimustarkoituksiin. Keelin kaltaisten työkalujen suosio kasvaa, koska niillä on yksinkertainen lähestymistapa muuten monimutkaisiin algoritmisiin käytäntöihin.
Asennus
Meillä on kaksi päätapaa asentaa Köli millä tahansa Linux-koneella. Ensimmäinen sisältää menemisen Keelin verkkosivu ja lataa ohjelmisto sieltä. Toinen, jota noudatamme tässä asennusoppaassa, edellyttää, että lataamme Keelin käyttämällä wget lataustyökalu Linux-käyttäjille.
1. Aloitamme saamalla wget Linux-koneellamme.
Suorita seuraava komento ladataksesi wget käyttämällä apt paketinhallinta:
$ sudo apt-get install wget
Näet samanlaisen terminaalin lähdön:
2. Nyt kun meillä on wget työkalu asennettuna Linux-koneellemme, käytämme sitä lataamaan Köli työkalu.
Tämä on linkki jonka siirrämme wgetille.
Suorita seuraava komento terminaalissasi:
$ wget http: // sci2s.ugr.es / köli / ohjelmisto / prototyyppejä / avoin versio / Ohjelmisto- 2018 -04-09.zip
Sinun pitäisi nähdä samanlainen tulos terminaalissasi:
Kun Keel on ladannut, voimme jatkaa asennuksen loppua.
3. Puramme nyt pakatun tiedoston, jonka latasimme edellisessä vaiheessa Linux Unzip -työkalulla.
Suorita seuraava komento:
$ pura vetoketju Ohjelmisto- 2018 -04-09.zip
Sinun pitäisi nähdä samanlainen tulos terminaalissa:
4. Siirry Keel-kansioon suorittamalla seuraava komento:
$ CD Ohjelmisto- 2018 -04-09 / asiakirjoja / kokeiluja / KÖLI / dist /
5. Aloita asennus suorittamalla seuraava komento:
$ java -purkki . / GraphInterKeel.jar
Tämän ansiosta Keelin pitäisi olla käytettävissäsi Linux-koneellasi.
Käyttöohjeet
Vuorovaikutuksessa Köli sovellus on todella helppoa ja yksinkertaista. Aloitetaan tuomalla Iris-tietojoukko työtilaamme.
Kun tuomme tietoja, työkalu näyttää meille tietojoukon tietopisteen yleisen klusteroinnin. Se näyttää meille myös tietojoukossa olevat eri luokat sekä perustiedot, kuten numeeriset alueet, jotka nämä tietopisteet kattavat, sekä sen esittämän kokonaisvarianssin ja keskiarvot. Näiden tietojen avulla käyttäjät ymmärtävät paremmin, kuinka edetä tietojen valmistelussa kaikenlaisia data-analyysitehtäviä varten.
Jatkamalla kokeilua, törmäämme erilaisiin tekniikoihin, joita voidaan käyttää kokeilun luomiseen mille tahansa tietojoukolle. Eri oppimisalgoritmit, joita voidaan käyttää tiedoissamme, näkyvät seuraavassa kuvassa. Aineiston luonteesta ja kokeen vaatimuksista riippuen voidaan kokeilla erilaisia algoritmeja.
Jos esimerkiksi työskentelet nimeämättömien tietojen kanssa ja sinun on löydettävä yhtäläisyyksiä tietojoukkosi eri tietopisteiden välillä, klusterointialgoritmin käyttäminen eri vaihtoehdoista voi auttaa sinua ymmärtämään datapisteitä paremmin. Tämä auttaa lopulta merkitsemään ja luokittelemaan datapisteitä, jotta kokeilu voidaan rakentaa käyttämällä kattavampia valvottuja oppimisalgoritmeja.
Johtopäätös
The Köli Tietojen analysointialusta on hyvä resurssi sekä tutkimus- että koulutustarkoituksiin. Sen helppokäyttöinen graafinen käyttöliittymä auttaa käyttäjiä ymmärtämään paremmin tietojen vaatimuksia sekä tarjoaa loogisia viittauksia hyödyllisiin tekniikoihin ja algoritmeihin, jotka auttavat käyttäjiä edelleen heidän työnkuluissaan. Laajan valikoiman erilaisia algoritmeja, jotka kuuluvat eri luokkiin ja algoritmitekniikoihin, käyttäjät voivat kokeilla lukuisia loogisia suuntia ja vertailla näitä tuloksia, jotta voidaan saavuttaa optimaalinen ratkaisu mihin tahansa ongelmaan.
Keelin kooditon vedä ja pudota -lähestymistapa tiedon louhintaan auttaa aloittelijoitakin työskentelemään vaivattomasti kattavien laskennallisten älykkäiden mallien kanssa. Tämä antaa näkemyksiä monimutkaisista tietojoukoista ja johtaa hyödyllisiä päätelmiä, jotka auttavat ratkaisemaan todellisen maailman ongelmia.