Кобилица (Кновледге Ектрацтион басед он Еволутионари Леарнинг) је софтверски алат заснован на Јави који је специјализован за имплементацију еволуционих алгоритама. Пошто је отворен извор, пружа широк спектар алгоритама за откривање знања који се могу користити у експериментима који покрећу заједницу за рударење података и анализу. Пружа једноставан и лак за коришћење графички кориснички интерфејс који значајно смањује укупну сложеност овог алата. Већина сличних алата на тржишту захтева од корисника да комуницирају са њима писањем кода, док Кеел уклања овај захтев обезбеђујући интуитивни ГУИ који могу да користе и почетници и стручњаци.
Кеел пружа широк избор различитих алгоритама заснованих на рачунарској интелигенцији укључујући класификацију, регресију, екстракцију карактеристика, анализу образаца, груписање и још много тога. Са главним моделима који су уграђени директно у саму апликацију, Кеел је веома користан алат када је у питању извођење истраживачких анализа података на сировим скуповима података. Његов једноставан интерфејс за превлачење и испуштање упарен са лакоћом коришћења функционалности омогућава брзо и ефикасно експериментисање рударењем података како за образовне тако и за истраживачке сврхе. Алати као што је Кеел постају све популарнији због њиховог поједностављеног приступа иначе сложеним алгоритамским праксама.
Инсталација
Постоје два главна начина на која можемо да инсталирамо Кобилица на било којој Линук машини. Први укључује одлазак у Веб страница Кеел и преузимање софтвера одатле. Други, који ћемо пратити у овом водичу за инсталацију, захтева од нас да преузмемо Кеел користећи вгет алат за преузимање доступан за кориснике Линук-а.
1. Почињемо добијањем вгет на нашој Линук машини.
Покрените следећу команду да преузмете вгет користећи погодан менаџер пакета:
$ судо апт-гет инсталл вгет
Видећете сличан излаз терминала:
2. Сада када имамо вгет алат инсталиран на нашој Линук машини, користимо га за преузимање Кобилица оруђе.
Ово је линк да прелазимо на вгет.
Покрените следећу команду у свом терминалу:
$ вгет хттп: // сци2с.угр.ес / кобилица / софтвер / прототипови / опенВерсион / Софтвер- 2018 -04-09.зип
Требало би да видите сличан излаз на свом терминалу:
Када Кеел заврши са преузимањем, можемо да наставимо са остатком инсталације.
3. Сада издвајамо компримовану датотеку коју смо преузели у претходном кораку помоћу алата за распакивање Линука.
Покрените следећу команду:
$ распакујте Софтвер- 2018 -04-09.зип
Требало би да видите сличан излаз у терминалу:
4. Идите у фасциклу Кеел тако што ћете покренути следећу команду:
$ цд Софтвер- 2018 -04-09 / документи / експерименти / КЕЕЛ / дист /
5. Покрените следећу команду да бисте започели инсталацију:
$ јава -јар . / ГрапхИнтерКеел.јар
Уз ово, Кеел би требало да вам буде доступан за употребу на вашој Линук машини.
Упутство за употребу
У интеракцији са Кобилица апликација је заиста лака и једноставна. Почнимо са увозом Скуп података о шареници у наш радни простор.
Док увозимо податке, алат нам показује целокупно груписање тачке података у скупу података. Такође нам показује различите класе које су присутне у скупу података заједно са основним информацијама као што су нумерички опсези које ове тачке података обухватају и укупна варијанса и средње вредности које представљају. Ове информације омогућавају корисницима да боље разумеју како да наставе са припремом података за било коју врсту задатка анализе података.
Настављајући даље у експериментисање, наилазимо на различите технике које се могу користити за креирање нашег експеримента на било ком скупу података. Различити алгоритми учења који се могу користити на нашим подацима могу се видети на следећој слици. У зависности од природе скупа података и захтева експеримента, могу се експериментисати са различитим алгоритмима.
На пример, ако радите са неозначеним подацима и морате да пронађете сличности између различитих тачака података у вашем скупу података, коришћење алгоритма за груписање из различитих различитих доступних опција може вам помоћи да боље разумете тачке података. Ово вам на крају помаже да означите и класификујете тачке података тако да се експеримент може изградити на основу свеобухватнијих алгоритама учења под надзором.
Закључак
Тхе Кобилица платформа за анализу података је добар ресурс и за истраживачке и за образовне сврхе. Његов графички кориснички интерфејс који је једноставан за коришћење помаже корисницима да боље разумеју захтеве података заједно са пружањем логичких референци на корисне технике и алгоритме који додатно помажу корисницима у њиховим радним токовима. Поседовање широког спектра различитих алгоритама који спадају у различите категорије и алгоритамске технике омогућавају корисницима да експериментишу са бројним логичким правцима и упореде ове резултате како би се дошло до најоптималнијег решења за било који проблем.
Кеелов приступ превлачењу и испуштању без кода помаже чак и почетницима да без напора раде са свеобухватним моделима рачунарске интелигенције. Ово пружа увид у сложене скупове података и као резултат тога изводи корисне закључке који помажу у решавању проблема у стварном свету.