Weka হল ডেটা মাইনিং পরিষেবার জন্য মেশিন লার্নিং অ্যালগরিদমের একটি সেট। অ্যালগরিদমগুলি সরাসরি ডেটাসেটে বা আপনার নিজস্ব জাভা প্রোগ্রাম থেকে ব্যবহার করা যেতে পারে। এতে ডেটা প্রাক-প্রক্রিয়াকরণ, শ্রেণিবিন্যাস, রিগ্রেশন, ক্লাস্টারিং, অ্যাসোসিয়েশন নিয়ম এবং ভিজ্যুয়ালাইজেশনের জন্য সরঞ্জাম অন্তর্ভুক্ত রয়েছে। এটি নতুন মেশিন লার্নিং স্কিম তৈরির জন্যও প্রযোজ্য৷
৷Weka ব্যবহার করার একটি পদ্ধতি হল একটি ডেটাসেটের শেখার পদ্ধতি ব্যবহার করা এবং রেকর্ড সম্পর্কে আরও জানতে এর আউটপুট বিশ্লেষণ করা। দ্বিতীয়টি হল নতুন দৃষ্টান্তের পূর্বাভাস দেওয়ার জন্য শেখা মডেলের প্রয়োজন৷
তৃতীয়টি হল একাধিক শিক্ষার্থীকে ব্যবহার করা এবং ভবিষ্যদ্বাণীর জন্য একজনকে বেছে নেওয়ার জন্য তাদের কর্মক্ষমতা তুলনা করা। ইন্টারেক্টিভ Weka ইন্টারফেসে, এটি একটি মেনু থেকে প্রয়োজনীয় শেখার পদ্ধতি বেছে নিতে পারে। বেশ কয়েকটি পদ্ধতিতে টিউনযোগ্য পরামিতি রয়েছে, যা একটি সম্পত্তি শীট বা অবজেক্ট এডিটরের মাধ্যমে তৈরি করতে পারে। একটি সাধারণ গণনা কাঠামো সমস্ত শ্রেণীবিভাগের কর্মক্ষমতা গণনা করতে ব্যবহৃত হয়।
এটি কীভাবে বিভিন্ন ফিল্টার ব্যবহার করা যেতে পারে তা দেখাতে পারে, ফিল্টারিং অ্যালগরিদমগুলি তালিকাভুক্ত করতে পারে এবং তাদের পরামিতিগুলি বর্ণনা করতে পারে৷ Weka এছাড়াও অ্যাসোসিয়েশন নিয়ম শেখার জন্য অ্যালগরিদম বাস্তবায়ন, ক্লাস্টারিং ডেটা যার জন্য কোনও শ্রেণী মান নির্দিষ্ট করা নেই, এবং ডেটাতে প্রাসঙ্গিক বৈশিষ্ট্য নির্বাচন করা অন্তর্ভুক্ত৷
ওয়েকা ব্যবহার করার সবচেয়ে সহজ পদ্ধতি হল এক্সপ্লোরার নামে পরিচিত একটি গ্রাফিক্যাল ইউজার ইন্টারফেসের মাধ্যমে। এটি মেনু নির্বাচন এবং ফর্ম পূরণ ব্যবহার করে এর কিছু সুবিধাগুলিতে অ্যাক্সেস প্রদান করে। উদাহরণস্বরূপ, এটি একটি ARFF নথি (বা স্প্রেডশীট) থেকে একটি ডেটাসেটে দ্রুত পড়তে পারে এবং এটি থেকে একটি সিদ্ধান্ত গাছ তৈরি করতে পারে৷
এক্সপ্লোরার ইন্টারফেস আমাদেরকে মেনু হিসাবে পছন্দগুলি উপস্থাপন করে, পছন্দগুলি উপযুক্ত না হওয়া পর্যন্ত ধূসর করে একটি উপযুক্ত ক্রমে কাজ করতে বাধ্য করে এবং ফর্মগুলি পূরণ করার জন্য বিকল্পগুলি প্রদর্শন করে। এটি উপকারী টুলটিপস পপ আপ হয় যখন মাউস পর্দার উপাদানগুলির উপর দিয়ে যায় তারা কি করে তা বুঝতে। সংবেদনশীল ডিফল্ট মানগুলি প্রদান করে যে এটি ন্যূনতম প্রচেষ্টার সাথে ফলাফল পেতে পারে — তবে ফলাফলের অর্থ কী তা বোঝার জন্য এটি কী তা ভাবতে হবে৷
নলেজ ফ্লো ইন্টারফেস আমাদের স্ট্রিম করা তথ্য প্রক্রিয়াকরণের জন্য একটি কাঠামো তৈরি করতে দেয়। এক্সপ্লোরার ইন্টারফেসের সীমাবদ্ধতা হল এটি মূল মেমরির সমস্ত কিছুকে প্রভাবিত করে যখন এটি একটি ডেটাসেট খুলতে পারে, এটি সরাসরি সমস্ত কিছু লোড করে৷
এর মানে হল ছোট থেকে মাঝারি আকারের সমস্যার জন্য এক্সপ্লোরার ব্যবহার করা যেতে পারে৷ যাইহোক, Weka কিছু ক্রমবর্ধমান অ্যালগরিদম অন্তর্ভুক্ত করে যা বিশাল ডেটাসেট প্রক্রিয়া করতে ব্যবহার করা যেতে পারে। নলেজ ফ্লো ইন্টারফেস আমাদের স্ক্রিনের চারপাশে শেখার অ্যালগরিদম এবং ডেটা উত্স সংজ্ঞায়িত বাক্সগুলিকে টেনে আনতে এবং তাদের প্রয়োজনীয় কনফিগারেশনে সংযুক্ত করতে দেয়৷
এটি আমাদের ডেটা উত্স, প্রিপ্রসেসিং টুল, শেখার অ্যালগরিদম, গণনা পদ্ধতি এবং ভিজ্যুয়ালাইজেশন মডিউলগুলিকে সংজ্ঞায়িত করার উপাদানগুলিকে সংযুক্ত করে একটি ডেটা স্ট্রীম সংজ্ঞায়িত করতে দেয়। যদি ফিল্টার এবং শেখার অ্যালগরিদমগুলি ক্রমবর্ধমান শিক্ষার জন্য পর্যাপ্ত হয়, ডেটা অতিরিক্তভাবে লোড এবং প্রক্রিয়া করা হবে৷
