Elki Umgebung zur Entwicklung von KDD-Anwendungen, die von Indexstrukturen unterstützt werden
Jetzt downloaden

Elki Ranking & Zusammenfassung

Elki Stichworte

Forschung Data Mining. KDD-Entwicklung Data Mining Research Data Mining-Algorithmus Kdd.

Elki Beschreibung

Umfeld zur Entwicklung von KDD-Anwendungen, die von Indexstrukturen unterstützt werden Data Mining Research führt zu vielen Algorithmen für ähnliche Aufgaben. Ein fairer und nützlicher Vergleich dieser Algorithmen ist aus mehreren Gründen schwierig: · Umsetzungen von Vergleichspartnern sind nicht zur Verfügung. · Wenn die Implementierungen verschiedener Autoren angeboten werden, ist eine Bewertung in Bezug auf Effizienz voreingestellt, um die Bemühungen verschiedener Autoren zu bewerten Effiziente Programmierung anstelle der Bewertung von Algorithmenmoteilen sind getrennt und ermöglichen eine unabhängige Bewertung. Diese Trennung macht Elki eindeutig unter Data Mining-Frameworks wie WEKA oder Yale und Frameworks für Indexstrukturen wie GIST. Gleichzeitig ist Elki offen für willkürliche Datentypen, Distanz- oder Ähnlichkeitsmaßnahmen oder Dateiformate offen. Der grundlegende Ansatz ist die Unabhängigkeit von Dateiparsers oder Datenbankverbindungen, Datentypen, Entfernungen, Entfernungsfunktionen und Data Mining-Algorithmen. Helferklassen, z.B. Für algebraische oder analytische Berechnungen stehen allen Algorithmen gleicher Hinsicht zur Verfügung. Anforderungen: · Java 6 oder höher Was ist neu in dieser Version: · Neue Freigabe mit Fokus auf Ausreißererfassungsmethoden und -visualisierung (siehe Publikation P3), zusammen mit einem allgemeinen Refactoring, der die Gedächtniseffizienz und Leistung und eine minimalistische GUI zur interaktiven Parametrierung von Elki-Algorithmen verbessert.

Elki Zugehörige Software