Contenu | Rechercher | Menus

Différences

Ci-dessous, les différences entre deux révisions de la page.

Lien vers cette vue comparative

Prochaine révision
Révision précédente
utilisateurs:psychederic:bi [Le 29/12/2010, 23:17]
Aldian page déplacée depuis l'espace principale en attendant mise en conformité avec le reste de la doc. Merci de relire le guide du contributeur et la ligne éditoriale.
utilisateurs:psychederic:bi [Le 15/12/2011, 15:17] (Version actuelle)
Ligne 49: Ligne 49:
 Ces trois premiers de ces systèmes sont capables d'​importer et d'​exporter les modèles dans PMML (Predictive Model Markup Language), qui fournit une méthode standard pour représenter des modèles d'​exploration de données afin que celles-ci peuvent être partagés entre différentes applications statistiques. Ces trois premiers de ces systèmes sont capables d'​importer et d'​exporter les modèles dans PMML (Predictive Model Markup Language), qui fournit une méthode standard pour représenter des modèles d'​exploration de données afin que celles-ci peuvent être partagés entre différentes applications statistiques.
  
-   * [[Orange(bi)]] ([[http://​www.ailab.si/​orange|site]]) est une exploration de données à base de composants et d'​apprentissage machine qui offre une vision amicale mais puissante, rapide et polyvalente,​ et avec de la programmation visuelle pour l'​analyse de données exploratoire et de visualisation. Il est écrit en Python et avec des bibliothèques de scripts. Il contient un ensemble complet de composants pour le prétraitement des données, fonctionnalité de pointage et de filtrage, de modélisation,​ l'​évaluation des modèles et techniques d'​exploration. Il est écrit en C + + et Python, et son interface utilisateur graphique est basé sur Qt un framework ​multi-plateforme.+   * [[Orange(bi)]] ([[http://​www.ailab.si/​orange|site]]) est une exploration de données à base de composants et d'​apprentissage machine qui offre une vision amicale mais puissante, rapide et polyvalente,​ et avec de la programmation visuelle pour l'​analyse de données exploratoire et de visualisation. Il est écrit en Python et avec des bibliothèques de scripts. Il contient un ensemble complet de composants pour le prétraitement des données, fonctionnalité de pointage et de filtrage, de modélisation,​ l'​évaluation des modèles et techniques d'​exploration. Il est écrit en C + + et Python, et son interface utilisateur graphique est basé sur Qt un framework ​multiplate-forme.
    * [[RapidMiner]] ([[http://​rapidminer.com/​|site]]) anciennement appelé Yale (Yet Another Learning Environment),​ est un environnement pour l'​apprentissage machine et les données des expériences minière qui est utilisé pour les tâches du monde réel à la fois de recherche et d'​exploration de données. Il permet des expériences pour être composé d'un grand nombre d'​opérateurs arbitrairement emboîtables,​ qui sont détaillées dans les fichiers XML et sont réalisés avec l'​interface utilisateur graphique de RapidMiner. RapidMiner fournit plus de 500 opérateurs pour toutes les machines principales procédures d'​apprentissage,​ et il associe également l'​apprentissage régimes et les évaluateurs d'​attributs de l'​environnement d'​apprentissage Weka. Il est disponible comme un outil autonome pour l'​analyse des données et comme un moteur d'​exploration de données qui peuvent être intégrés dans vos propres produits.    * [[RapidMiner]] ([[http://​rapidminer.com/​|site]]) anciennement appelé Yale (Yet Another Learning Environment),​ est un environnement pour l'​apprentissage machine et les données des expériences minière qui est utilisé pour les tâches du monde réel à la fois de recherche et d'​exploration de données. Il permet des expériences pour être composé d'un grand nombre d'​opérateurs arbitrairement emboîtables,​ qui sont détaillées dans les fichiers XML et sont réalisés avec l'​interface utilisateur graphique de RapidMiner. RapidMiner fournit plus de 500 opérateurs pour toutes les machines principales procédures d'​apprentissage,​ et il associe également l'​apprentissage régimes et les évaluateurs d'​attributs de l'​environnement d'​apprentissage Weka. Il est disponible comme un outil autonome pour l'​analyse des données et comme un moteur d'​exploration de données qui peuvent être intégrés dans vos propres produits.
    * [[JHepWork]]([[http://​jwork.org/​jhepwork/​|site]]) un logiciel libre et open-source d'​analyse de données qui est créé comme une tentative de faire un environnement d'​analyse de données utilisant des paquets open-source avec une interface utilisateur à comprendre et permettant de créer un instrument de haute-concurrence pour des programmes commerciaux. Il est spécialement conçu pour des applications interactives a visé scientifiques en 2D et 3D et contient les bibliothèques scientifiques numériques implémentés en Java pour les fonctions mathématiques,​ les nombres aléatoires,​ et d'​autres algorithmes de data mining. jHepWork est basé sur un langage de programmation de haut niveau Jython, mais de codage Java peut aussi être utilisé pour appeler des bibliothèques jHepWork numérique et graphique.    * [[JHepWork]]([[http://​jwork.org/​jhepwork/​|site]]) un logiciel libre et open-source d'​analyse de données qui est créé comme une tentative de faire un environnement d'​analyse de données utilisant des paquets open-source avec une interface utilisateur à comprendre et permettant de créer un instrument de haute-concurrence pour des programmes commerciaux. Il est spécialement conçu pour des applications interactives a visé scientifiques en 2D et 3D et contient les bibliothèques scientifiques numériques implémentés en Java pour les fonctions mathématiques,​ les nombres aléatoires,​ et d'​autres algorithmes de data mining. jHepWork est basé sur un langage de programmation de haut niveau Jython, mais de codage Java peut aussi être utilisé pour appeler des bibliothèques jHepWork numérique et graphique.


Le contenu de ce wiki est sous licence : CC BY-SA v3.0