Танагра (машинное обучение) - Tanagra (machine learning)
 | Тема этой статьи может не соответствовать Википедии рекомендации по продуктам и услугам. (Май 2013) (Узнайте, как и когда удалить этот шаблон сообщения) |
Танагра это бесплатный набор машинное обучение программное обеспечение для исследований и академических целей, разработанное Рикко Ракотомалала на Университет Люмьера Лион 2, Франция.[1]Танагра поддерживает несколько стандартных сбор данных такие задачи, как: визуализация, описательная статистика, выбор экземпляра, выбор функции, построение функций, регресс, факторный анализ, кластеризация, классификация и изучение правил ассоциации.
Танагра - академический проект. Он широко используется во франкоязычных университетах.[2] Танагра часто используется в реальных исследованиях[3] и в сравнительных статьях по программному обеспечению.[нужна цитата ]
История
Разработка Tanagra началась в июне 2003 года. Первая версия была распространена в декабре 2003 года. Tanagra является преемником Sipina, еще одного бесплатного инструмента интеллектуального анализа данных, который предназначен только для контролируемых учебных задач (классификация), особенно для интерактивного и визуального построения деревья решений. Sipina по-прежнему доступна в Интернете и поддерживается. Tanagra - это «проект с открытым исходным кодом», так как каждый исследователь может получить доступ к исходному коду и добавить свои собственные алгоритмы, если они согласны с лицензией на распространение программного обеспечения и соответствуют ей.
Основная цель проекта Tanagra - предоставить исследователям и студентам удобное в использовании программное обеспечение для интеллектуального анализа данных, соответствующее действующим нормам разработки программного обеспечения в этой области (особенно в дизайне графического интерфейса пользователя и способах его использования), а также позволяющий анализировать реальные или синтетические данные.
С 2006 года Ricco Rakotomalala предпринял важные усилия по документации. Большое количество учебных пособий опубликовано на специальном веб-сайте. Они описывают статистические методы и методы машинного обучения и их реализацию с Tanagra на реальных примерах. Также широко описано использование других бесплатных инструментов интеллектуального анализа данных для решения тех же проблем. Сравнение инструментов позволяет читателям понять возможные различия в представлении результатов.
Описание
Tanagra работает аналогично существующим инструментам интеллектуального анализа данных. Пользователь может визуально спроектировать процесс интеллектуального анализа данных в виде диаграммы. Каждый узел представляет собой статистический метод или метод машинного обучения, соединение между двумя узлами представляет собой передачу данных. Но в отличие от большинства инструментов, основанных на парадигме рабочего процесса, Tanagra очень упрощена. Процедуры представлены в виде древовидной диаграммы. Результаты отображаются в формате HTML. Это упрощает экспорт выходных данных для визуализации результатов в браузере. Также возможно скопировать таблицы результатов в электронную таблицу.
Tanagra делает хороший компромисс между статистическими подходами (например, параметрические и непараметрические статистические тесты), методами многомерного анализа (например, факторный анализ, анализ соответствий, кластерный анализ, регрессия) и методами машинного обучения (например, нейронная сеть, машина опорных векторов, деревья решений, случайный лес).
Смотрите также
- Бесплатное статистическое программное обеспечение
- Сбор данных
- Список программного обеспечения для численного анализа
Рекомендации
- ^ Ракотомалала, Рикко. (2005). «TANAGRA: бесплатное программное обеспечение для исследовательских и академических целей». Цитировать журнал требует
| журнал =(помощь) - ^ Г. Грегуар, Ф. Жоллуа, Дж. Ф. Петио, А. Каннари, С. Сабурин, П. Свертваегер, Дж. К. Турло, В. Вандевалле, С. Вигье-Пла, "Обучение программному обеспечению и статистике на кафедре НТИД ИТУ ", в Statistique et Enseignement, 2 (2), 5-24, 2011.
- ^ Э. Киркос, К. Спатис, А. Нанопулос, Ю. Манолопулос "Выявление мнений квалифицированного аудитора: подход интеллектуального анализа данных ", в Journal of Emerging Technologies in Accounting, 4 (1), 183-197, 2007.