Przede wszystkim powiem wam, że moim zdaniem najlepszym narzędziem jak dotąd jest R, który ma mnóstwo bibliotek i narzędzi, których tutaj nie wymienię.
Pozwól mi rozwinąć dyskusję o weka
Istnieje biblioteka dla R, która nazywa się RWeka, którą można łatwo zainstalować w R i używać wielu funkcji tego wspaniałego programu wraz z tymi w R, pozwólcie, że podam przykładowy kod do zrobienia prostego drzewa decyzyjnego czytaj ze standardowej bazy danych, która jest dołączona do tego pakietu (bardzo łatwo jest narysować powstałe drzewo, ale pozwolę ci przeprowadzić badania dotyczące tego, jak to zrobić, co jest w dokumentacji RWeka:
library(RWeka)
iris <- read.arff(system.file("arff", "iris.arff", package = "RWeka"))
classifier <- IBk(class ~., data = iris)
summary(classifier)
Do tego celu służy również kilka bibliotek Pythona (bardzo łatwo nauczyć się języka Python)
Najpierw pozwól mi wyliczyć pakiety, których możesz użyć, nie zamierzam szczegółowo omawiać ich; Weka (tak, masz bibliotekę dla Pythona), NLKT (najsłynniejszy pakiet open source do zarządzania tekstem oprócz analizy danych), statPy , choroby i scipy.
Jest też pomarańczowy, który jest doskonały (porozmawiam o tym później), oto przykład kodu do zrobienia drzewa z danych w tabeli cmpart1, który wykonuje również 10-krotną walidację, możesz również wykreślić drzewo
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
Na koniec kilka innych pakietów, z których korzystałem i które mnie zainteresowały
Pomarańczowy : wizualizacja i analiza danych dla początkujących i ekspertów. Eksploracja danych za pomocą programowania wizualnego lub skryptów w języku Python. Komponenty do uczenia maszynowego. Rozszerzenia dla bioinformatyki i eksploracji tekstu. (Osobiście polecam to, często go integrowałem z Pythonem i było znakomite) Mogę przesłać ci kod Pythona, jeśli chcesz.
ROSETTA : zestaw narzędzi do analizy danych tabelarycznych w ramach teorii zbiorów przybliżonych. ROSETTA została zaprojektowana w celu wspierania całego procesu eksploracji danych i odkrywania wiedzy: od wstępnego przeglądania i wstępnego przetwarzania danych, przez obliczanie minimalnych zestawów atrybutów i generowanie reguł „jeśli-to” lub wzorców opisowych, aż do walidacji i analizy indukowanych reguł lub wzorców (Bardzo podobało mi się to również przy użyciu)
KEEL : ocena algorytmów ewolucyjnych dla problemów Data Mining, w tym regresji, klasyfikacji, grupowania, eksploracji wzorców i tak dalej. Pozwala nam to przeprowadzić pełną analizę dowolnego modelu uczenia się w porównaniu do istniejących, w tym moduł testu statystycznego do porównania.
DataPlot : do wizualizacji naukowej, analizy statystycznej i modelowania nieliniowego. Docelowym użytkownikiem Dataplot jest badacz i analityk zajmujący się charakteryzacją, modelowaniem, wizualizacją, analizą, monitorowaniem i optymalizacją procesów naukowych i inżynierskich.
Openstats : Obejmuje elementarz statystyki i pomiaru, statystyki opisowe, proste porównania, analizy wariancji, korelację, regresję wielokrotną, przerwane szeregi czasowe, statystyki wielowymiarowe, statystyki nieparametryczne, pomiar, kontrolę procesu statystycznego, procedury finansowe, sieci neuronowe, symulację