Танагра (машинное обучение)
Tanagra — это бесплатный пакет программного обеспечения для машинного обучения для исследовательских и академических целей.разработан Рикко Ракотомалала в Университете Люмьер, Лион 2 , Франция. [1] · [2] Tanagra поддерживает несколько стандартных задач интеллектуального анализа данных , таких как: визуализация, описательная статистика, выбор экземпляра, выбор признаков , построение признаков, регрессия , факторный анализ , кластеризация , классификация и изучение правил ассоциации .
Танагра — академический проект. Он широко используется во франкоязычных университетах. [3] Танагра часто используется в реальных исследованиях. [4] и в статьях по сравнению программного обеспечения.
История [ править ]
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 задач контролируемого обучения (классификации), особенно интерактивного и визуального построения деревья решений. Sipina по-прежнему доступен онлайн и поддерживается.Танагра — это «проект с открытым исходным кодом», поскольку каждый исследователь может получить доступ к исходному коду и добавить свои собственные алгоритмы, если они согласны и соответствуют лицензии на распространение программного обеспечения.
Основная цель проекта Tanagra — предоставить исследователям и студентам удобное программное обеспечение для интеллектуального анализа данных, соответствующее современным нормам разработки программного обеспечения в этой области (особенно в отношении дизайна его графического пользовательского интерфейса и способов его использования), и позволяющий анализировать как реальные, так и синтетические данные.
С 2006 года Рикко Ракотомалала предпринял важную работу по документированию. Большое количество учебных пособий опубликовано на специальном сайте. Они описывают статистические методы и методы машинного обучения и их реализацию с помощью Tanagra на реальных примерах. Также широко описано использование других бесплатных инструментов интеллектуального анализа данных для решения тех же задач. Сравнение инструментов позволяет читателям понять возможные различия в представлении результатов.
Описание [ править ]
Танагра работает аналогично современным инструментам интеллектуального анализа данных. Пользователь может визуально спроектировать процесс интеллектуального анализа данных в виде диаграммы. Каждый узел представляет собой метод статистического или машинного обучения, соединение между двумя узлами представляет собой передачу данных. Но в отличие от большинства инструментов, основанных на парадигме рабочего процесса, Tanagra очень упрощена. Лечение представлено в виде древовидной диаграммы. Результаты отображаются в формате HTML. Это позволяет легко экспортировать результаты для визуализации результатов в браузере. Также возможно скопировать таблицы результатов в электронную таблицу.
Танагра представляет собой хороший компромисс между статистическими подходами (например, параметрическими и непараметрическими статистическими тестами), методами многомерного анализа (например, факторный анализ, анализ соответствий, кластерный анализ, регрессия) и методами машинного обучения (например, нейронная сеть, машина опорных векторов, деревья решений, случайные методы). лес).
См. также [ править ]
- Бесплатное статистическое программное обеспечение
- Интеллектуальный анализ данных
- Список программного обеспечения для численного анализа
Ссылки [ править ]
- ^ Ракотомалала, Рикко. (2005). ТАНАГРА: бесплатное программное обеспечение для исследовательских и академических целей . ЕГК'2005.
- ^ Рикко Ракотомалала, « Танагра: экспериментальная платформа для интеллектуального анализа данных », в Modulad, 32, страницы 70–85, 2005 г.
- ^ Грегуар, Жерар; Жоллуа, Франсуа-Ксавье; Петио, Жан-Франсуа; Каннари, Абделла; Сабурен, Серж; Свертвегер, Филипп; Тюрло, Жан-Кристоф; Вандевалле, Винсент; Вигье-Пла, Сильви (2011). «Преподавание программного обеспечения и статистики на кафедре ИППП ИТУ» (PDF) . Статистика и образование . 2 (2): 5–24.
- ^ Киркос, Эфстафий; Спатис, Хараламбос; Нанопулос, Александрос; Манолопулос, Яннис (2007). «Определение мнений квалифицированного аудитора: подход интеллектуального анализа данных» (PDF) . Журнал новых технологий в бухгалтерском учете . 4 (1): 183–197. дои : 10.2308/jeta.2007.4.1.183 .