Video: Multilayer Perceptron | Neural Network in Weka : Weka Tutorials # 5 2025
Mennesker har en forferdelig tid å visualisere abstrakte data, og noen ganger blir maskinens læringsutgang ekstremt abstrakt. Du kan bruke et grafisk utdataverktøy slik at du kan visualisere hvordan dataene faktisk vises. Knime og RapidMiner utmerker seg ved oppgaven ved å hjelpe deg med å enkelt produsere grafikk av høy kvalitet. Deres bruk for ulike typer data mining oppgaver skiller også begge disse produktene fra andre produkter.
Legemiddelindustrien er avhengig av Knime for å utføre både maskinlæring og data-gruvedrift ved å stole på datastrømmer (rørledninger). Bruken av en GUI gjør Knime relativt enkelt å lære.
Knime er faktisk avhengig av en av de mest populære GUIene i dag, Eclipse, som også brukes til å støtte et stort antall programmeringsspråk, for eksempel Java, C / C ++, JavaScript og PHP (blant mange andre tilgjengelige gjennom plug-ins). Den integrerer også godt med både Weka og LIBSVM, så brukervennlig kommer ikke til tap av funksjonalitet.
RapidMiner passer mer til forretningsbehovet, som bruker den til maskinlæring, datautvinning, tekstutvinning, prediktiv analyse og forretningsanalysebehov. I motsetning til mange andre produkter er RapidMiner avhengig av en klient / servermodell, hvor serveren vises som et cloud-basert programvare-som-en-service-alternativ (SAAS). Dette betyr at en bedrift kan teste miljøet uten å gjøre en enorm innledende investering i enten programvare eller maskinvare. RapidMiner arbeider med både R og Python. Bedrifter som eBay, Intel, PepsiCo og Kraft Foods bruker for øyeblikket RapidMiner til ulike behov.
Et kjennetegn ved begge disse produktene er at de stoler på uttrekks-, transformasjons-, last-ETL-modellen. I denne modellen trekker prosessen først alle dataene som trengs fra ulike kilder, forvandler dataene til et felles format, og laster deretter de transformerte dataene inn i en database for analyse. Du finner en kortfattet oversikt over prosessen her.
