عارضة (استخراج المعرفة على أساس التعلم التطوري) هي أداة برمجية قائمة على جافا متخصصة في تنفيذ الخوارزميات التطورية. نظرًا لأنه مفتوح المصدر ، فإنه يوفر مجموعة متنوعة من خوارزميات اكتشاف المعرفة التي يمكن استخدامها في التجارب التي تدعم مجتمع استخراج البيانات وتحليلها. يوفر واجهة مستخدم رسومية بسيطة وسهلة الاستخدام تقلل بشكل كبير من التعقيد الكلي لهذه الأداة. تتطلب معظم الأدوات المماثلة في السوق من المستخدمين التفاعل معها عن طريق كتابة الكود بينما يزيل Keel هذا المطلب من خلال توفير واجهة مستخدم رسومية بديهية يمكن استخدامها من قبل المبتدئين والخبراء على حد سواء.
يوفر Keel مجموعة متنوعة من الخوارزميات الحسابية المختلفة القائمة على الذكاء بما في ذلك التصنيف والانحدار واستخراج الميزات وتحليل الأنماط والتجميع والمزيد. مع النماذج السائدة المخبأة في التطبيق نفسه ، تعد Keel أداة مفيدة للغاية عندما يتعلق الأمر بإجراء تحليلات البيانات الاستكشافية على مجموعات البيانات الأولية. تتيح واجهة السحب والإفلات البسيطة المقترنة بسهولة استخدام الوظائف إجراء تجارب سريعة وفعالة لاستخراج البيانات للأغراض التعليمية والبحثية. تزداد شعبية أدوات مثل Keel بسبب نهجها التبسيطي لممارسات الخوارزميات المعقدة.
تثبيت
هناك طريقتان رئيسيتان يمكننا من خلالهما التثبيت عارضة على أي جهاز لينكس. الأول يتضمن الذهاب إلى صفحة ويب Keel وتنزيل البرنامج من هناك. الثاني ، الذي سنتبعه في دليل التثبيت هذا ، يتطلب منا تنزيل Keel باستخدام ملف wget أداة التنزيل المتاحة لمستخدمي Linux.
1. نبدأ بالحصول على wget على جهاز Linux الخاص بنا.
قم بتشغيل الأمر التالي لتنزيل wget باستخدام ملف ملائم مدير مجموعة:
$ سودو تثبيت apt-get wget
سترى ناتجًا طرفيًا مشابهًا:
2. الآن بعد أن أصبح لدينا ملف wget أداة مثبتة على جهاز Linux الخاص بنا ، فنحن نستخدمها لتنزيل ملف عارضة أداة.
هذا ال حلقة الوصل التي نمررها إلى wget.
قم بتشغيل الأمر التالي في جهازك الطرفي:
$ wget http: // sci2s.ugr.es / عارضة / البرمجيات / النماذج / openVersion / برمجة- 2018 -04-09.zip
يجب أن ترى ناتجًا مشابهًا على جهازك:
بمجرد الانتهاء من تنزيل Keel ، يمكننا متابعة باقي التثبيت.
3. نقوم الآن باستخراج الملف المضغوط الذي قمنا بتنزيله في الخطوة السابقة باستخدام أداة Linux Unzip.
قم بتشغيل الأمر التالي:
$ فك الضغط برمجة- 2018 -04-09.zip
يجب أن ترى ناتجًا مشابهًا في الجهاز:
4. انتقل إلى مجلد Keel عن طريق تشغيل الأمر التالي:
$ قرص مضغوط برمجة- 2018 -04-09 / مستندات / التجارب / عارضة / حي /
5. قم بتشغيل الأمر التالي لبدء التثبيت:
$ جافا -إناء . / GraphInterKeel.jar
مع هذا ، يجب أن يكون Keel متاحًا لك لاستخدامه على جهاز Linux الخاص بك.
دليل المستخدم
التعامل مع عارضة التطبيق حقا سهل وبسيط. لنبدأ باستيراد ملف مجموعة بيانات القزحية في مساحة العمل لدينا.
أثناء استيرادنا للبيانات ، توضح لنا الأداة التجميع الكلي لنقطة البيانات في مجموعة البيانات. كما يوضح لنا الفئات المختلفة الموجودة في مجموعة البيانات جنبًا إلى جنب مع المعلومات الأساسية مثل النطاقات الرقمية التي تمتد نقاط البيانات هذه والتباين العام والقيم التي تقدمها. تتيح هذه المعلومات للمستخدمين فهمًا أفضل لكيفية متابعة إعداد البيانات لأي نوع من مهام تحليل البيانات.
للمضي قدمًا في التجربة ، صادفنا تقنيات مختلفة يمكن استخدامها لإنشاء تجربتنا على أي مجموعة بيانات. يمكن رؤية خوارزميات التعلم المختلفة التي يمكن استخدامها في بياناتنا في الصورة التالية. اعتمادًا على طبيعة مجموعة البيانات ومتطلبات التجربة ، يمكن تجربة خوارزميات مختلفة.
على سبيل المثال ، إذا كنت تعمل مع بيانات غير مسماة وعليك أن تجد أوجه التشابه بين نقاط البيانات المختلفة في مجموعة البيانات الخاصة بك ، فإن استخدام خوارزمية التجميع من الخيارات المختلفة المتاحة يمكن أن يساعدك على فهم نقاط البيانات بشكل أفضل. يساعدك هذا في النهاية على تسمية وتصنيف نقاط البيانات بحيث يمكن بناء التجربة على استخدام خوارزميات تعلم خاضعة للإشراف أكثر شمولاً.
استنتاج
ال عارضة منصة لتحليلات البيانات هي مورد جيد لكل من الأغراض البحثية والتعليمية. تساعد واجهة المستخدم الرسومية سهلة الاستخدام المستخدمين على فهم متطلبات البيانات بشكل أفضل إلى جانب توفير مراجع منطقية للتقنيات والخوارزميات المفيدة التي تساعد المستخدمين بشكل أكبر في سير عملهم. إن وجود مجموعة واسعة من الخوارزميات المختلفة التي تندرج تحت الفئات وتقنيات الخوارزميات المختلفة يسمح للمستخدمين بتجربة العديد من الاتجاهات المنطقية ومقارنة هذه النتائج بحيث يمكن الوصول إلى الحل الأمثل لأي مشكلة.
يساعد أسلوب السحب والإفلات الخالي من الشفرات من Keel في استخراج البيانات حتى المبتدئين على العمل دون عناء مع نماذج ذكاء حسابي شاملة. يوفر هذا نظرة ثاقبة لمجموعات البيانات المعقدة ويشتق نتيجة لذلك استنتاجات مفيدة تساعد في حل مشاكل العالم الحقيقي.