Wekaデータマイニングとは何ですか？

Wekaは、データマイニングサービス用の機械学習アルゴリズムのセットです。アルゴリズムは、データセットに直接使用することも、独自のJavaプログラムから使用することもできます。これには、データの前処理、分類、回帰、クラスタリング、相関ルール、および視覚化のためのツールが含まれています。また、新しい機械学習スキームの作成にも適用できます。

Wekaを使用する1つの方法は、データセットへの学習アプローチを使用し、その出力を分析してレコードについてさらに学習することです。 2つ目は、新しいインスタンスを予測するために学習したモデルが必要です。

3つ目は、複数の学習者を使用し、それらのパフォーマンスを比較して、予測用に1つを選択することです。インタラクティブなWekaインターフェースでは、メニューから必要な学習方法を選択できます。いくつかのメソッドには調整可能なパラメータがあり、プロパティシートまたはオブジェクトエディタを介して作成できます。共通の計算構造を使用して、すべての分類器のパフォーマンスを計算します。

さまざまなフィルターの使用方法を示し、フィルターアルゴリズムを一覧表示し、それらのパラメーターを説明できます。 Wekaには、相関ルールの学習、クラス値が指定されていないデータのクラスタリング、およびデータ内の関連する属性の選択のためのアルゴリズムの実装も含まれています。

Wekaを使用する最も簡単な方法は、エクスプローラーと呼ばれるグラフィカルユーザーインターフェイスを使用することです。これにより、メニュー選択とフォーム入力を使用して、一部の機能にアクセスできます。たとえば、ARFFドキュメント（またはスプレッドシート）からデータセットをすばやく読み取り、そこから意思決定ツリーを構築できます。

エクスプローラーインターフェイスでは、選択肢をメニューとして表示し、適切になるまで選択肢をグレー表示し、入力するフォームとしてオプションを表示することで、適切な順序で作業するように強制します。マウスが画面上の要素の上を通過するときにポップアップする有益なツールチップは、それらが何をするのかを理解するために役立ちます。賢明なデフォルト値は、最小限の労力で結果を得ることができることを提供しますが、結果が何を意味するのかを理解することは何であるかを考える必要があります。

ナレッジフローインターフェイスを使用すると、ストリーミングされた情報処理の構造を作成できます。 Explorerインターフェースの制限は、データセットを開くことができるときにメインメモリ内のすべてに影響を与え、すべてを直接ロードすることです。

これは、Explorerを中小規模の問題に使用できることを意味します。ただし、Wekaには、巨大なデータセットの処理に使用できるインクリメンタルアルゴリズムがいくつか含まれています。ナレッジフローインターフェイスを使用すると、学習アルゴリズムとデータソースを定義するボックスを画面上にドラッグして、必要な構成に接続できます。

これにより、データソースを定義するコンポーネント、前処理ツール、学習アルゴリズム、計算方法、および視覚化モジュールを接続することにより、データストリームを定義できます。フィルタと学習アルゴリズムが増分学習に適している場合、データは追加で読み込まれ、処理されます。