Jak zainstalować i używać Keel w Linux zoptymalizuj w celu optymalizacji złożonych algorytmów wydobywania danych

Kil (Ekstrakcja wiedzy oparta na ewolucyjnym uczeniu się) to narzędzie oprogramowania oparte na Javie, które specjalizuje się we wdrażaniu algorytmów ewolucyjnych. Ponieważ jest to open source, zapewnia szeroką gamę algorytmów odkrywania wiedzy, które można wykorzystać w eksperymentach, które zasilają społeczność eksploracji i analizy danych. Zapewnia prosty i łatwy w użyciu graficzny interfejs użytkownika, który znacznie zmniejsza ogólną złożoność tego narzędzia. Większość podobnych narzędzi na rynku wymaga od użytkowników interakcji z nimi, pisząc kod, podczas gdy Keel usuwa to wymog.

Keel zapewnia szeroką gamę różnych algorytmów opartych na inteligencji obliczeniowej, w tym klasyfikację, regresję, ekstrakcję cech, analiza wzorca, grupowanie i inne. Ze głównym nurtem modeli zapiekanych bezpośrednio w samej aplikacji, Keel jest bardzo przydatnym narzędziem, jeśli chodzi o wykonywanie analiz danych eksploracyjnych na surowych zestawach danych. Jego prosty interfejs przeciągania i kropli w połączeniu z łatwością wykorzystania funkcjonalności pozwala na szybkie i wydajne eksperymenty z eksploracji danych zarówno w celach edukacyjnych, jak i badawczych. Narzędzia takie jak Keel zwiększają popularność ze względu na ich uproszczone podejście do złożonych praktyk algorytmicznych.

Instalacja

Istnieją dwa główne sposoby instalacji Kil na dowolnym komputerze Linux. Pierwszy polega na przejściu na stronę Keel i pobieranie oprogramowania stamtąd. Drugi, który będziemy przestrzegać w tym przewodniku instalacyjnym, wymaga od nas pobrania Keel za pomocą wget Pobierz narzędzie dostępne dla użytkowników Linux.

1. Zaczynamy od zdobycia wget Na naszym komputerze Linux.

Uruchom następujące polecenie, aby pobrać wget za pomocą trafny Menedżer pakietów:

$ sudo apt-get instaluj wget

Zobaczysz podobne wyjście terminala:

2. Teraz, kiedy mamy wget narzędzie zainstalowane na naszym komputerze Linux, używamy go do pobrania Kil narzędzie.

To jest link, który przekazujemy do WGET.

Uruchom następujące polecenie w swoim terminalu:

$ wget http: // sci2s.Ugr.ES/Keel/Software/Prototypes/OpenVersion/Software-2018-04-09.zamek błyskawiczny

Powinieneś zobaczyć podobne dane wyjściowe na swoim terminalu:

Po zakończeniu pobierania Keel możemy kontynuować pozostałą część instalacji.

3. Teraz wyodrębniamy skompresowany plik, który pobraliśmy w poprzednim kroku za pomocą narzędzia Linux Unzip.

Uruchom następujące polecenie:

$ Unzip Software-2018-04-09.zamek błyskawiczny

Powinieneś zobaczyć podobne dane wyjściowe w terminalu:

4. Przejdź do folderu Keel, uruchamiając następujące polecenie:

$ CD Software-2018-04-09/Documentos/Experimentos/Keel/Dist/

5. Uruchom następujące polecenie, aby rozpocząć od instalacji:

$ java -jar ./GraphInterkeel.słoik

Dzięki temu Keel powinien być dostępny do użycia na komputerze Linux.

Podręcznik użytkownika

Interakcja z Kil Aplikacja jest naprawdę łatwa i prosta. Zacznijmy od zaimportowania zestawu danych IRIS do naszego obszaru roboczego.

Podczas importowania danych narzędzie pokazuje nam ogólną grupę punktu danych w zestawie danych. Pokazuje nam także różne klasy, które są obecne w zestawie danych wraz z podstawowymi informacjami, takimi jak zakresy liczbowe, które te punkty danych obejmują, oraz ogólna wariancja i średnie wartości, które prezentują. Informacje te pozwalają użytkownikom lepiej zrozumieć, jak kontynuować przygotowanie danych do dowolnego rodzaju analizy danych.

Przechodząc dalej do eksperymentów, natrafiamy na różne techniki, które można wykorzystać do stworzenia naszego eksperymentu na dowolnym zestawie danych. Różne algorytmy uczenia się, które można wykorzystać na naszych danych, można zobaczyć na poniższym obrazie. W zależności od charakteru zestawu danych i wymagań eksperymentu można eksperymentować różne algorytmy.

Na przykład, jeśli pracujesz z nieznakowanymi danymi i musisz znaleźć podobieństwa między różnymi punktami danych w zestawie danych, przy użyciu algorytmu klastrowania z różnych dostępnych opcji może pomóc lepiej zrozumieć punkty danych. To ostatecznie pomaga oznaczyć i sklasyfikować punkty danych, aby eksperyment mógł być zbudowany na użyciu bardziej kompleksowych algorytmów uczenia się.

Wniosek

Kil Platforma do analizy danych jest dobrym zasobem zarówno do celów badawczych, jak i edukacyjnych. Jest to łatwy w użyciu graficzny interfejs użytkownika pomaga użytkownikom lepiej zrozumieć wymagania danych, a także dostarczyć logiczne odniesienia do pomocnych technik i algorytmów, które dodatkowo pomagają użytkownikom w ich przepływie pracy. Posiadanie szerokiej gamy różnych algorytmów, które należą do różnych kategorii i technik algorytmicznych, pozwala użytkownikom eksperymentować z wieloma logicznymi kierunkami i porównać te wyniki, aby można było osiągnąć najbardziej optymalne rozwiązanie każdego problemu.

Podejście Keela Bezpłatne przeciąganie i upuszczenie do eksploracji danych pomaga nawet początkującym w pracy z kompleksowymi modelami inteligencji obliczeniowej. Zapewnia to wgląd w złożone zestawy danych i wynikające z tego wyciąga użyteczne wnioski, które pomagają rozwiązać problemy z prawdziwym światem.