Se usa ampliamente para la enseñanza, la investigación y las aplicaciones industriales, contiene una gran cantidad de herramientas integradas para tareas estándar de aprendizaje automático y, además, brinda acceso transparente a cajas de herramientas conocidas como scikit-learn, R y Deeplearning4j.
Aprendizaje automático sin programación
Weka se puede utilizar para crear canalizaciones de aprendizaje automático, entrenar clasificadores y ejecutar evaluaciones sin tener que escribir una sola línea de código:
Abrir un conjunto de datos
Primero, abrimos el conjunto de datos que nos gustaría evaluar.
Elige un clasificador
En segundo lugar, seleccionamos un algoritmo de aprendizaje para usar, por ejemplo, el clasificador J48, que aprende árboles de decisión.
Evaluar la precisión predictiva
Finalmente, realizamos una evaluación de validación cruzada de 10 veces y obtenemos una estimación del rendimiento predictivo.
Tenga en cuenta que los programadores también pueden implementar fácilmente esta canalización utilizando la API de Java de Weka:
Aprendizaje profundo con WEKA
WekaDeeplearning4j es un paquete de aprendizaje profundo para Weka. Las redes neuronales profundas, incluidas las redes convolucionales y las redes recurrentes, se pueden entrenar directamente desde las interfaces gráficas de usuario de Weka, proporcionando métodos de vanguardia para tareas como la clasificación de imágenes y texto.
Interoperabilidad WEKA
WEKA se puede integrar con las herramientas de ciencia de datos más populares.
R
Los modelos de Weka se pueden usar, construir y evaluar en R usando el paquete RWeka para R; a la inversa, los algoritmos R y las herramientas de visualización se pueden invocar desde Weka utilizando el paquete RPlugin para Weka.
Pitón
Se puede acceder a la funcionalidad de Weka desde Python usando Python Weka Wrapper. Por el contrario, los kits de herramientas de Python como scikit-learn se pueden usar desde Weka.
Chispa – chispear
Para ejecutar algoritmos basados en Weka en conjuntos de datos realmente grandes, está disponible el paquete distribuido Weka para Spark. Hace posible entrenar cualquier clasificador de Weka en Spark, por ejemplo.