Weka (Waikato Environment for Knowledge Analysis) - Açıq mənbəli və güclü bir maşın öyrənməsi (machine learning) proqram təminatı. Mahiyyəti O, əsasən akademik tədqiqatçılar, məlumat alimləri və süni intellekt mütəxəssisləri tərəfindən istifadə edilir. Weka statistik analizlər, maşın öyrənməsi modellərinin qurulması və müxtəlif data mining (məlumat mədəniyyəti) tapşırıqlarının yerinə yetirilməsi üçün hazırlanmışdır. Bu proqram təminatı Java proqramlaşdırma dili ilə yazılmışdır və həm qrafik interfeys (GUI), həm də komanda sətri (CLI) vasitəsilə istifadə edilə bilər. Weka, fərqli maşın öyrənməsi alqoritmlərini dəstəklədiyi üçün klassifikasiya, reqressiya, klasterləşmə, assosiasiya qaydaları və xüsusiyyət seçimi kimi müxtəlif tətbiqlərdə istifadə olunur. Tarix Weka 1990-cı illərin ortalarında Yeni Zelandiyanın Waikato Universitetində inkişaf etdirilmişdir. İlk versiyası Tcl/Tk proqramlaşdırma dili üzərində qurulmuşdu, lakin 1997-ci ildən etibarən Java proqramlaşdırma dilində yenidən yazıldı. Bu dəyişiklik proqramın multiplatform dəstəkləməsinə imkan verdi və istifadəsini daha geniş auditoriyaya açdı. Weka-nın inkişafı akademik tədqiqatlar üçün nəzərdə tutulmuş olsa da, açıq mənbəli olması onu geniş sənaye tətbiqləri üçün də əlçatan etmişdir. Hazırda Weka Waikato Universitetinin Maşın Öyrənməsi Qrupu tərəfindən aktiv şəkildə inkişaf etdirilir. Weka, maşın öyrənməsi üçün aşağıdakı kateqoriyalara aid müxtəlif alqoritmləri dəstəkləyir: - Klassifikasiya: Decision Trees (J48), Naive Bayes, Support Vector Machines (SVM), Random Forest, k-Nearest Neighbors (k-NN) və s. - Reqressiya: Linear Regression, M5P Trees və s. - Klasterləşmə: K-Means, DBSCAN, Expectation Maximization (EM) və s. - Assosiasiya qaydaları: Apriori alqoritmi, FP-Growth və s. - Xüsusiyyət seçimi və reduksiyası: Principal Component Analysis (PCA), Information Gain və s. Məlumatın ön emalı (Preprocessing) - Məlumatların normalizasiyası və standartlaşdırılması - Boş dəyərlərin idarə olunması - Xüsusiyyət seçimi və ekstraksiyası - Diskretizasiya (məlumatların siniflərə bölünməsi) Model qiymətləndirilməsi və performans analizi Weka qurulan maşın öyrənməsi modellərinin performansını analiz etmək üçün bir çox üsul təqdim edir. Əsas qiymətləndirmə metodları: - Çarpaz yoxlama (Cross-validation) - Məlumatları müxtəlif hissələrə bölərək test etmək (Train/Test Split) - Qarışıqlıq matrisinin yaradılması (Confusion Matrix) - F-measure, Precision, Recall, AUC kimi metriklər Tətbiq sahələri Elmi araşdırmalar və akademik işlər – Maşın öyrənməsi və məlumat analitikası üzrə akademik araşdırmalarda ən çox istifadə olunan vasitələrdən biridir. Tibbi məlumat analitikası – Xəstəliklərin proqnozlaşdırılması, tibbi görüntülərin analizi və dərman tədqiqatları üçün istifadə olunur. Biznes analitikası və marketinq – Müştəri davranışlarının təhlili, müştəri seqmentasiyası və reklam strategiyalarının optimallaşdırılması məqsədilə istifadə edilir. Kibertəhlükəsizlik – Fırıldaqçılıq və kiberhücumların aşkarlanması üçün analitik vasitə kimi istifadə olunur. Maliyyə və bankçılıq – Kredit risklərinin qiymətləndirilməsi və müştəri analitikası sahəsində tətbiq olunur.
https://en.wikipedia.org/wiki/Weka_(software)
https://en.wikipedia.org/wiki/Ian_Witten
https://en.wikipedia.org/wiki/International_Conference_on_Machine_Learning
https://weka.sourceforge.io/packageMetaData/
https://www.kdnuggets.com/news/2005/n13/2i.html
https://waikato.github.io/weka-wiki/packages/
https://en.wikipedia.org/wiki/Special_Interest_Group_on_Knowledge_Discovery_and_Data_Mining
https://www.inflectra.com/Products/SpiraTeam/?utm_source=GoogleAd&utm_source=google-ads&utm_campaign=21489022780&utm_adgroup=167855609751&utm_term=lifecycle%20management%20software&gad_source=1&gclid=Cj0KCQiAhvK8BhDfARIsABsPy4jy9kz2JkK-g4DK5ZoUwNyyphYMr7yyd-pjAkzQ5H921F0bPlKy3lYaAsFlEALw_wcB
https://www.udemy.com/course/weka-data-mining-with-open-source-machine-learning-tool/?utm_source=adwords&utm_medium=udemyads&utm_campaign=Search_DSA_GammaCatchall_NonP_la.EN_cc.ROW-English&campaigntype=Search&portfolio=ROW-English&language=EN&product=Course&test=&audience=DSA&topic=&priority=Gamma&utm_content=deal4584&utm_term=_._ag_169801645584_._ad_700876640599_._kw__._de_c_._dm__._pl__._ti_aud-2268488108799:dsa-1456167871416_._li_9069514_._pd__._&matchtype=&gad_source=1&gclid=Cj0KCQiAhvK8BhDfARIsABsPy4g6pLZHptT7NrOJ1cqabSjeQFlDBVTvciv5QrOAgjImKq2B4tSZyiUaAtr0EALw_wcB
https://www.weka.io/
https://ml.cms.waikato.ac.nz/weka/
https://sourceforge.net/projects/weka/
https://www.geeksforgeeks.org/introduction-to-weka-key-features-and-applications/
https://www.tutorialspoint.com/weka/what_is_weka.htm
https://www.javatpoint.com/weka-data-mining
https://www.researchgate.net/publication/215990408_The_WEKA_data_mining_software_An_update
https://weka.en.softonic.com/
https://www.kaggle.com/discussions/general/213427
https://www.researchgate.net/figure/The-WEKA-Explorer-user-interface_fig1_215990408
https://www.opensourceforu.com/2017/01/an-introduction-to-weka/
https://www.opensourceforu.com/2017/01/an-introduction-to-weka/
https://sourceforge.net/projects/weka/
https://www.tutorialspoint.com/weka/what_is_weka.htm
https://academiccollegeprojects.com/cse-projects/weka-projects/
Tarix : 1 fevral 2025
Əksi qeyd olunmayıbsa, bu məzmun CC BY-SA 4.0 çərçivəsində yayımlanır.
