动态访问机器学习模型的框架
该框架提供了基于Web的GUI访问动态预训练的机器学习模型的功能，用于对用户上传的数据进行基于云的预测，并进行了实时分析。
该框架的目的是创建一个环境，使用户可以轻松地利用机器学习模型的功能，只需加载并执行预先训练的模型，而无需进行预处理，训练和将其拟合到数据上的不便之处。
它允许基于Web的模型访问，用户可以简单地选择自己喜欢的模型，然后继续上传图像或CSV文件以获取模型的要求。
重点是通过即插即用系统访问模型，并附带良好的GUI。
功能性：
可以通过网络/服务器轻松访问经过预先训练的序列化深度学习模型，例如自动编码器，MLP和ML模型，例如随机森林，K最近邻居，神经网络和支持向量机。
目前，已经针对多类分类问题在医学数据集上对模型进行了训练，并将这些模型序列化并存储在.model文件中。
构建框架的目的是使GUI及其功能独立于基础的机器学习模型，并
2021-08-16 23:37:07
24.75MB
1
weka数据挖掘工具的中文使用教程。其中有详细的关联规则、分类、聚类的操作步骤说明。对研究weka源代码也有一定的辅助作用。并非本人整理。由一个哥们整理自 http://maya.cs.depaul.edu/~classes/ect584/WEKA/k-means.html
2021-08-04 17:00:47
205KB
1
weka详细教程300页PPT，非常详细，非常好用。985 211 高校教材。WEKA的全名是怀卡托智能分析环境
（Waikato Environment for Knowledge Analysis）
weka也是新西兰的一种鸟名
是新西兰怀卡托大学WEKA小组用Java开发的机器学习/数据挖掘开源软件。其源代码获取
http://www.cs.waikato.ac.nz/ml/weka/
http://prdownloads.sourceforge.net/weka/weka-3-6-6jre.exe
2005年8月，在第11届ACM SIGKDD国际会议上，怀卡托大学的WEKA小组荣获了数据挖掘和知识探索领域的最高服务奖， WEKA系统得到了广泛的认可，被誉为数据挖掘和机器学习历史上的里程碑，是现今最完备的数据挖掘工具之一。 WEKA的每月下载次数已超过万次。
2021-07-25 14:09:10
8.9MB
1
数据集是来源于 University of California, Irvine（UCI）机器学习数据库中的 Pima Indian Diabetes 数据集，总共包含 768 条数据项。这 768个研究对象是来自于美国亚利桑那州的普通居民，由于在当地人口中糖尿病的发病率较高，美国国家糖尿病消化肾脏疾病研究所会对这个地区的人口进行持续性的调查研究。
数据集已转arff格式（其实与csv格式差不多可自行修改），可用于weka。
2021-07-15 14:44:47
24KB
1
java调用weka。weka是很好用的机器学习库，这里就不详细介绍了。
言归正传，要使用程序方式使用weka，步骤如下：
一、在eclipse里新建一个Java project：
1. 建立工程：单击菜单中file->new->Java project，在弹出对话框的project name中起任意一个名字，此处假设是wekaTest。单击Finish按钮（在对话框底部）。
2. 建立package：在package Explorer中找到刚才新建的工程，在其上右键->New->package。在Name文本框里面输入名称，此处假设为Test。单击Finish按钮。
3. 建立程序文件：在刚才新建的package上面右键->New->class，选中public static void main(String[] args)多选框，单击Finish。
2021-06-30 12:52:23
1000KB
1