Уроки Weka 1: введение и знакомство с интерфейсом

В первом уроке серии по Weka знакомимся с Weka, инструментом с открытым исходным кодом для интеллектуального анализа данных и машинного обучения, который разработан в University of Waikato на Java. Проходим по четырём окнам Weka, загружаем набор данных Iris в Explorer, смотрим вкладки предобработки и визуализации, выполняем первую классификацию методом kNN и разбираем окно результатов и матрицу ошибок. Теория алгоритмов здесь не рассматривается, в центре внимания работа с Weka. Урок на турецком языке: включите субтитры (CC) и выберите автоперевод, чтобы получить русские субтитры. В этом уроке: Что умеет Weka: классификация, кластеризация, поиск ассоциаций и предобработка данных Четыре окна: Explorer, Experimenter, KnowledgeFlow и Simple CLI Набор данных Iris: 150 примеров, 5 атрибутов, 3 класса Знакомство с данными во вкладках Preprocess и Visualize Классификация kNN (IBk), cross validation и разбиение 66/34 (percentage split) Окно результатов: верно и неверно классифицированные примеры, метрики ошибок, матрица ошибок Изменение k и сравнение с SMO (SVM) и Naive Bayes ГЛАВЫ 00:00 Введение: что такое Weka и что она умеет 00:44 Подход серии и установленная версия Weka 01:26 Четыре окна Weka: Explorer, Experimenter, KnowledgeFlow, Simple CLI 01:48 Explorer: загрузка данных и набор Iris 02:57 Окно Preprocess: атрибуты, статистика и классы 04:25 Визуализация распределения атрибутов 07:01 Вкладки Cluster, Associate и Select attributes 07:45 Вкладка Visualize: матрица диаграмм рассеяния 08:48 Classify: группы классификаторов и выбор 09:56 kNN (IBk) и режимы теста: cross validation, percentage split 12:05 Чтение результатов: верные классификации, метрики ошибок, матрица ошибок 15:00 Меняем k, пробуем SMO и Naive Bayes 16:49 Окна Experimenter и KnowledgeFlow 19:45 Simple CLI (командная строка) 20:07 Итоги и контакты Следующее видео (Серия уроков по Weka, часть 2):    • Weka Eğitim Serisi 2   КНИГА (на турецком языке): для тех, кто хочет на практике освоить классификацию, регрессию, кластеризацию и поиск ассоциаций в Weka на реальных наборах данных, наша книга «Бизнес-аналитика и интеллектуальный анализ данных: практика с Weka» (Prof. Dr. Şadi Evren Şeker), цифровое издание: https://onkupon.com/product/is-zekasi... Какой классификатор дал вам лучший результат на наборе Iris: kNN, SMO или Naive Bayes? Напишите в комментариях. Computer Concepts: ИИ, машинное обучение, программная инженерия и карьера в IT вместе с Prof. Dr. Şadi Evren Şeker. Подписывайтесь на канал, чтобы не пропускать еженедельные прямые трансляции. Сотрудничество и спонсорство: collab@sadievrenseker.com #Weka #АнализДанных #МашинноеОбучение #ComputerConcepts