Прежде всего, позвольте мне сказать вам, что, на мой взгляд, лучший инструмент из всех на сегодняшний день - это R, который имеет тонны библиотек и утилит, которые я не собираюсь перечислять здесь.
Позвольте мне расширить дискуссию о weka
Существует библиотека для R, которая называется RWeka, которую вы можете легко установить в R и использовать многие функции этой замечательной программы наряду с функциями в R, позвольте мне привести пример кода для выполнения простого дерева решений. читать из стандартной базы данных, которая поставляется с этим пакетом (также очень легко нарисовать получившееся дерево, но я собираюсь дать вам исследование о том, как это сделать, которое находится в документации RWeka:
library(RWeka)
iris <- read.arff(system.file("arff", "iris.arff", package = "RWeka"))
classifier <- IBk(class ~., data = iris)
summary(classifier)
Есть также несколько библиотек Python для этого (Python очень очень прост в освоении)
Прежде всего позвольте мне перечислить пакеты, которые вы можете использовать, я не буду подробно останавливаться на них; Weka (да, у вас есть библиотека для python), NLKT (самый известный пакет с открытым исходным кодом для обработки текста, кроме анализа данных), statPy , sickits и scipy.
Есть также оранжевый, который является отличным (я также буду говорить об этом позже), вот пример кода для создания дерева из данных в таблице cmpart1, который также выполняет 10-кратную проверку, вы также можете построить график дерева
import orange, orngMySQL, orngTree
data = orange.ExampleTable("c:\\python26\\orange\\cmpart1.tab")
domain=data.domain
n=10
buck=len(data)/n
l2=[]
for i in range(n):
tmp=[]
if i==n-1:
tmp=data[n*buck:]
else:
tmp=data[buck*i:buck*(i+1)]
l2.append(tmp)
train=[]
test=[]
di={'yy':0,'yn':0,'ny':0,'nn':0}
for i in range(n):
train=[]
test=[]
for j in range(n):
if j==i:
test=l2[i]
else:
train.extend(l2[j])
print "-----"
trai=orange.Example(domain, train)
tree = orngTree.TreeLearner(train)
for ins in test:
d1= ins.getclass()
d2=tree(ins)
print d1
print d2
ind=str(d1)+str(d2)
di[ind]=di[ind]+1
print di
Чтобы закончить с некоторыми другими пакетами, я использовал и нашел интересным
Orange : визуализация и анализ данных для новичков и экспертов. Интеллектуальный анализ данных с помощью визуального программирования или сценариев Python. Компоненты для машинного обучения. Расширения для биоинформатики и текстового майнинга. (Я лично рекомендую это, я много использовал его, интегрируя в Python, и это было превосходно) Я могу прислать вам немного кода Python, если вы хотите, чтобы я это сделал.
ROSETTA : инструментарий для анализа табличных данных в рамках теории грубых множеств. ROSETTA предназначена для поддержки общего процесса сбора данных и обнаружения знаний: от первоначального просмотра и предварительной обработки данных, вычисления минимальных наборов атрибутов и генерации правил if-then или описательных шаблонов до проверки и анализа индуцированных правил или шаблонов. (Этим я тоже очень любил пользоваться)
КИЛ : оценка эволюционных алгоритмов для задач Data Mining, включая регрессию, классификацию, кластеризацию, анализ структуры и так далее. Это позволяет нам выполнить полный анализ любой модели обучения в сравнении с существующими, включая модуль статистического тестирования для сравнения.
DataPlot : для научной визуализации, статистического анализа и нелинейного моделирования. Целевым пользователем Dataplot является исследователь и аналитик, занимающийся характеристикой, моделированием, визуализацией, анализом, мониторингом и оптимизацией научных и инженерных процессов.
Openstats : Включает учебник по статистике и измерениям, описательную статистику, простые сравнения, анализ отклонений, корреляцию, множественную регрессию, прерывистые временные ряды, многомерную статистику, непараметрическую статистику, измерения, статистический контроль процессов, финансовые процедуры, нейронные сети, моделирование