Weka - Introducción
La base de cualquier aplicación de aprendizaje automático son los datos, no solo unos pocos datos, sino una gran cantidad de datos que se denomina Big Data en la terminología actual.
Para entrenar a la máquina para analizar macrodatos, debe tener varias consideraciones sobre los datos:
- Los datos deben estar limpios.
- No debe contener valores nulos.
Además, no todas las columnas de la tabla de datos serían útiles para el tipo de análisis que está intentando lograr. Las columnas de datos irrelevantes o 'características' como se denominan en la terminología de aprendizaje automático, deben eliminarse antes de que los datos se introduzcan en un algoritmo de aprendizaje automático.
En resumen, su big data necesita mucho preprocesamiento antes de que pueda usarse para Machine Learning. Una vez que los datos estén listos, aplicará varios algoritmos de aprendizaje automático, como clasificación, regresión, agrupamiento, etc., para resolver el problema al final.
El tipo de algoritmos que aplica se basa en gran medida en su conocimiento del dominio. Incluso dentro del mismo tipo, por ejemplo, clasificación, hay varios algoritmos disponibles. Es posible que desee probar los diferentes algoritmos en la misma clase para crear un modelo de aprendizaje automático eficiente. Al hacerlo, preferiría la visualización de los datos procesados y, por lo tanto, también necesita herramientas de visualización.
En los próximos capítulos, aprenderá sobre Weka, un software que logra todo lo anterior con facilidad y le permite trabajar con big data cómodamente.