دانلود فیلم آموزش فارسی نرم افزار weka

  نرم ­افزار داده کاوی Weka

 weka data mining MOVIE

تا به امروز نرم افزار‌های تجاری و آموزشی فراوانی برای داده کاوی در حوزه‌های مختلف داده‌ها به دنيای علم و فناوری عرضه شده­اند. هريک از آنها با توجه به نوع اصلی داده‌هايی که مورد کاوش قرار مي­دهند، روی الگوريتمهای خاصی متمرکز شده­اند. مقايسه دقيق و علمی‌اين ابزارها بايد از جنبه‌های متفاوت و متعددی مانند تنوع انواع و فرمت داده‌های ورودی، حجم ممکن برای پردازش داده‌ها، الگوريتمها پياده سازی شده، روشهای ارزيابی نتايج، روشهای مصور سازی [1] ، روشهای پيش پردازش [2] داده‌ها، واسطهای کاربر پسند [3] ، پلت فرم [4]‌های سازگار برای اجرا،‌ قيمت و در دسترس بودن نرم افزار صورت گيرد. از آن ميان، ‌نرم افزار Weka با داشتن امکانات بسيار گسترده،‌ امکان مقايسه خروجی روشهای مختلف با هم، راهنمای خوب، واسط گرافيگی کارآ، سازگاری با ساير برنامه­های ويندوزی، و از همه مهمتر وجود کتابی بسيار جامع و مرتبط با آن [ Data Mining, witten et Al. 2005 ] ، معرفی مي­شود. ميزکار [5] Weka ، مجموعه­ای از الگوريتم­‏های روز يادگيری ماشينی و ابزارهای پيش پردازش داده­‏ها مي‏­باشد. اين نرم­افزار به گونه­ای طراحی شده است که مي‏­توان به سرعت، روش­‏های موجود را به صورت انعطاف­پذيری روی مجموعه­‏های جديد داده، آزمايش نمود. اين نرم­افزار، پشتيباني‏‏های ارزشمندی را برای کل فرآيند داده کاوی ­‏های تجربی فراهم مي‏­کند. اين پشتيباني‏ها، آماده سازی داده­‏های ورودی، ارزيابی آماری چارچوب­‏های يادگيری و نمايش گرافيکی داده­‏های ورودی و نتايج يادگيری را در بر مي­گيرند. همچنين، هماهنگ با دامنه وسيع الگوريتم­‏های يادگيری، اين نرم­افزار شامل ابزارهای متنوع پيش پردازش داده­هاست. اين جعبه ابزار [6] متنوع و جامع، از طريق يک واسط متداول در دسترس است، به نحوی که کاربر مي‏­تواند روش­‏های متفاوت را در آن با يکديگر مقايسه کند و روش­‏هايی را که برای مسايل مدنظر مناسب­تر هستند، تشخيص دهد. نرم­افزار Weka در دانشگاه Waikato واقع در نيوزلند توسعه يافته است و اسم آن از عبارت “Waikato Environment for knowledge Analysis” استخراج گشته است. همچنين Weka ، نام پرنده­ای با طبيعت جستجوگر است که پرواز نمي‏­کند و در نيوزلند، يافت مي‏­شود. اين سيستم به زبان جاوا نوشته شده و بر اساس ليسانس عمومی‌و فراگير [7] GNU انتشار يافته است. Weka تقريباً روی هر پلت فرمی‌اجرا مي‏­شود و نيز تحت سيستم عامل­‏های لينوکس، ويندوز، و مکينتاش، و حتی روی يک منشی ديجيتالی شخصی [8] ، آزمايش شده است. اين نرم­افزار، يک واسط همگون برای بسياری از الگوريتم­‏های يادگيری متفاوت، فراهم کرده است که از طريق آن روش­‏های پيش پردازش، پس از پردازش [9] و ارزيابی نتايج طرح‌های يادگيری روی همه مجموعه‌های داده­‏ موجود، قابل اعمال است. نرم افزار Weka ، پياده سازی الگوريتم­‏های مختلف يادگيری را فراهم مي‏­کند و به آسانی مي‏­توان آنها را به مجموعه‌های داده خود اعمال کرد. همچنين، اين نرم­افزار شامل مجموعه متنوعی از ابزارهای تبديل مجموعه­‏های داده­‏ها، همانند الگوريتم­‏های گسسته سازی [10] مي‏­باشد. در اين محيط مي‏­توان يک مجموعه داده را پيش پردازش کرد، آن را به يک طرح يادگيری وارد نمود، و دسته­بندی حاصله و کارآيي­اش را مورد تحليل قرار داد. (همه اين کارها، بدون نياز به نوشتن هيچ قطعه برنامه­ای ميسر است.) اين محيط، شامل روش­‏هايی برای همه مسايل استاندارد داده کاوی مانند رگرسيون، رده‏بندی، خوشه­بندی، کاوش قواعد انجمنی و انتخاب ويژگی مي‏­باشد. با در نظر گرفتن اينکه، داده­‏ها بخش مکمل کار هستند، بسياری از ابزارهای پيش پردازش داده­‏ها و مصورسازی آنها فراهم گشته است. همه الگوريتم­‏ها، ورودي­‏های خود را به صورت يک جدول رابطه­ای [11] به فرمت ARFF دريافت مي‏­کنند. اين فرمت داده­‏ها، مي‏­تواند از يک فايل خوانده شده يا به وسيله يک درخواست از پايگاه داده­ای توليد گردد. يکی از راه­‏های به کارگيری Weka ، اعمال يک روش يادگيری به يک مجموعه داده و تحليل خروجی آن برای شناخت چيزهای بيشتری راجع به آن اطلاعات مي‏­باشد. راه ديگر استفاده از مدل يادگيری شده برای توليد پيش‏بيني­‏هايی در مورد نمونه­‏های جديد است. سومين راه، اعمال يادگيرنده­‏های مختلف و مقايسه کارآيی آنها به منظور انتخاب يکی از آنها برای تخمين مي‏­باشد. روش­‏های يادگيری Classifier ناميده مي‏­شوند و در واسط تعاملی [12] Weka ، مي‏­توان هر يک از آنها را از منو [13] انتخاب نمود. بسياری از classifier ‏ها پارامترهای قابل تنظيم دارند که مي‏­توان از طريق صفحه ويژگي‏‏ها يا object editor به آنها دسترسی داشت. يک واحد ارزيابی مشترک، برای اندازه‏گيری کارآيی همه classifier به کار مي‏­رود. پياده سازي­‏های چارچوب­‏های يادگيری واقعی، منابع بسيار ارزشمندی هستند که Weka فراهم مي‏­کند. ابزارهايی که برای پيش پردازش داده­‏ها استفاده مي‏­شوند. filter ناميده مي‏­شوند. همانند classifier ‏ها، مي‏­توان filter ‏ها را از منوی مربوطه انتخاب کرده و آنها را با نيازمندي­‏های خود، سازگار نمود. در ادامه، به روش به کارگيری فيلترها اشاره مي‏­شود. علاوه بر موارد فوق، Weka شامل پياده سازی الگوريتم­‏هايی برای يادگيری قواعد انجمنی، خوشه­بندی داده­‏ها در جايی که هيچ دسته­ای تعريف نشده است، و انتخاب ويژگي‏های مرتبط [14] در داده­‏ها مي‏­شود.   weka weka data mining MOVIE

وکا (Weka) یک نرم افزار داده کاوی متن‌باز می‌باشد که بسیاری از الگوریتم‌های یادگیری ماشین را پشتیبانی می‌کند. تمام قسمت‌های این نرم‌افزار به زبان جاوا نوشته شده است و در نتیجه می‌تواند بر روی هر پلتفرمی‌اجرا گردد. در ادامه توضیحاتی در خصوص قسمت‌های مختلف این نرم افزار ذکر شده است و همچنین قابلیت‌های اصلی آن به صورت جزئی بررسی شده است که با مراجعه به آن‌ها می‌توانید بررسی کنید که آیا این نرم افزار به منظور اجرای پروزه شما مناسب می‌باشد یا خیر . همچنین لینک دانلود نرم افزار و فیلم آموززشی آن نیز در انتهای متن موجود است.

 این پکیج شامل چهار واسط کاربری متفاوت می‌باشد:

  •  Explorer: در این حالت شما می‌توانید روش‌های مختلف آماده‌ سازی، تبدیل و الگوریتم‌های مدلسازی بر روی داده‌ها را اجرا کنید.
  • Experimenter: در این حالت فقط امکان اجرای الگوریتم‌های مختلف رده‌بندی به صورت هم‌زمان و مقایسه نتایج آن‌ها وجود دارد. تمامی‌شاخص‌های مورد نیاز به منظور بررسی مدل‌های رده بندی در این قسمت تعریف شده و قرار دارند و گزارشات مفصلی را از جمله آزمون T می‌توان در این قسمت پس از مدلسازی استخراج نمود.
  • Knowledge Flow: در این قسمت یک واسط گرافیکی طراحی شده است که مانند نرم افزارهای IBM Modeler و رپیدماینر در آن می‌توان جریان‌های داده ای مختلف تولید نمود.
  •  (command line interface (CLI: در این حالت امکان مدلسازی توسط کدنویسی خط به خط قرار دارد.
  • در وکا داده‌ها می‌توانند به فرمت‌های مختلف از جمله Excel، CSV و Arff باشند. اما به طور کلی این نرم افزار با داده‌ها به فرمت Arff میانه بهتری دارد.

حال شاید بخواهید با قابلیت‌های نرم افزار بیشتر آشنا شوید. در ادامه عملگرهای مختلف موجود در این نرم افزار تشریح شده اند.

برخی از توابع وکا به منظور آماده سازی داده‌ها به شرح زیر می‌باشد:

  • تبدیل متغیرهای گسسته چند مقداری به دو مقداری و تبدیل متغیرهای پیوسته به گسسته
  • روش‌های نمونه گیری با جایگذاری و بدون جایگذاری و روش‌های پیشرفته تر مانند SMOTE
  • گسسته سازی بدون نظارت و با نظارت
  • نرمالسازی و استانداردسازی
  • روش LOF (Local Outlier Factor) برای پیدا کردن نقاط دورافتاده
  • روش‌های مختلف برای ادغام مقادیر مختلف متغیرهای گسسته
  • جایگذاری مقادیر از دست رفته
  • کاهش بعد داده ‌ها با استفاده از تحلیل اجزای اصلی (PCA) و موجک (Wavelet)

به منظور مشاهده فهرست تمامی‌توابع  آماده‌سازی داده‌ها در وکا به اینجا مراجعه نمایید.

روش‌های خوشه‌بندی در این نرم افزار نیز به شرح زیر هستند:

  • روش‌های بر پایه مرکز هندسی: kmeans
  • روش‌های بر پایه چگالی: DBSCAN و OPTICS
  • روش‌های سلسله مراتبی
  • روش‌های برپایه توزیع احتمالی مانند EM

به منظور مشاهده فهرست تمامی‌روش‌های خوشه بندی در وکا به اینجا مراجعه نمایید.

روش‌های کشف قواعد انجمنی نیز به شرح زیر هستند:

  • روش Apriori
  • کشف قواعد انجمنی متوالی
  • روش‌های درختی مانند FP growth

به منظور مشاهده فهرست تمامی‌روش‌های قواعد انجمنی در وکا به اینجا مراجعه نمایید.

برخی از روش‌های رده‌بندی معمول و جمعی موجود در این نرم افزار نیز به شرح زیر هستند:

  • توابع: ماشین بردار پشتیبان (SVM) که توابع کرنل‌های مختلف را پشتیبانی می‌کند، شبکه‌های عصبی و رگرسیون لجستیک
  • درخت‌های تصمیم: الگوریتم‌هایی مانند ID3 و C4.5
  • روش‌های برپایه حافظه : kNN
  • روش‌های بر پایه بیز: بیز ساده و شبکه بیزی
  • روش‌های برپایه قاعده: جداول تصمیم و OneR (توانایی ساخت قوانین بر روی تنها یک متغیر)
  • روش‌های یادگیری Bagging: Stacking، Adaboost، MultiClassClassifier  و تابع CVParameterSelection (به منظور تنظیم پارامترهای موجود در هر الگوریتم با استفاده از ده مرتبه اعتبارسنجی و استفاده از بهترین ترکیب برای ساخت بهترین مدل).

به منظور مشاهده فهرست تمامی‌روش‌های رده بندی در وکا به اینجا مراجعه نمایید.

روش‌های انتخاب متغیرها (ویژگی) در این نرم‌افزار به دو دسته فیلتری و پوشاننده تقسیم بندی شده اند. از میان روش‌های فیلتری موجود می‌توان به روش‌های chi-squared، سود اطلاعاتی، شاخص جینی و روش relief اشاره نموده. همچنین در روش‌های پوشاننده نیز امکان استفاده از روش‌های رده‌بندی وجود دارد. همچنین به منظور جسجوی مجموعه متغیرهای بهینه در روش‌های پوشاننده نیز روش‌های جستجوی متفاوتی ارائه شده است که از جمله آن‌ها می‌توان به  best-first(اولین بهترین‌ها)، forward selection (انتخاب روبه جلو)، الگوریتم ژنتیک و الگوریتم ازدحام ذرات اشاره نمود.

به منظور مشاهده فهرست تمامی روش‌های انتخاب ویژگی در وکا به اینجا مراجعه نمایید.

در نرم افزار وکا همچنین قابلیت کار با مجموعه داده‌های بزرگ و به اصطلاح Big Data وجود دارد. در هنگام مواجه با این مسائل بهترین پیشنهاد استفاده از پکیج command-line می‌باشد. همچنین امکان نوشتن کد مستقیما در جاوا یا زبان‌های بر پایه جاوا مانند Groovy یا Jython نیز وجود دارد.

به طور کلی محاسن این نرم افزار عبارتند از:

  •  در بردارنده محدوده وسیعی آماده سازی داده‌ها و روش‌های انتخاب ویژگی‌ها به صورت یکپارچه.
  • محدوده وسیعی از روش‌های رده بندی
  • وجود تعداد زیادی شاخص به منظور ارزیابی روش‌های رده بندی
  • محیط‌های مختلف کاری به منظور سهولت در اجرای مدلسازی‌های مختلف

برخی از معایب آن نیز عبارند از:

  •  زمان‌بر بودن اجرای مدل‌ها به علت عدم بهینه بودن برخی از آنها (در برخی موارد زمان اجرای یک الگوریتم در این نرم افزار در مقایسه با نرم افزاری مانند IBM modeler حتی به 5 برابر نیز می‌رسد)
  • محدودیت در منابع آموزشی
  • محدودیت در روش‌های خوشه بندی و قواعد انجمنی
  • محدودیت شدید در مصورسازی داده‌ها

برای یادگیری این نرم‌افزار منابع زیادی وجود دارد. یکی از این منابع که قسمت command line و بسیاری از عملگرهای این نرم افزار را به منظور پیش پردازش داده‌ها و مدلسازی یطور جامع تشریح کرده است توسط  Witten و Frank نوشته شده است. لینک دانلود این کتاب در انتهای متن موجود است. از فصل نهم به بعد این کتاب در خصوص نرم افزار توضیحاتی ارائه شده است.

نرم افزار وکا یک نرم افزار متن باز است و می‌توانید آنرا از این لینک دانلود نمایید.

تحلیل نهایی:

به قول یکی از دوستان “عزیزان در تحلیل نهایی” می‌توان گفت که نرم افزار وکا به منظور اجرای مدل‌های رده بندی علی رقم سرعت پایین آن، یکی از حرفه ای ترنی نرم افزارهای موجود است. تعداد بیشماری از مقالات منتشر شده تاکنون از این نرم افزار به منظور مدلسازی‌های خود استفاده نموده اند. همچنین این نرم افزار با داشتن دامنه وسیعی از روش‌های انتخاب ویژگی بسیار مناسب برای تحقیقاتی است که می‌خواهند از این روش‌ها استفاده کنند. یک ضعف اصلی این نرم افزار عدم وجود تحلیل کافی در خصوص روش‌های خوشه بندی است و همچنین عدم وجود شاخص‌های ارزیابی برای این روش‌ها است. در نهایت وکا با وجود محیط‌های مختلف در کوتاهترین زمان قابل یادگیری است و این یکی از مزیت‌های اصلی آن نیز می‌باشد.

 


دانلود فیلم آموزش فارسی نرم افزار weka


 

برای اولین بار در ایران

دانلود فیلم آموزش فارسی نرم افزار weka 

گروه ایران متلب یک فیلم آموزشی فارسی نرم افزار weka تهیه کرده است.

.

بیشتر فیلم‌های آموزشی نرم افزار weka که در اینترنت موجود هستند زبان اصلی می‌باشند.

.

شما با پرداخت مبلغ ناچیزی میتوانید این فیلم آموزش فارسی را دانلود کنید و این نرم افزار داده کاوی را سریع یاد بگیرید.

.

کار با این نرم افزار بسیار ساده و شیرین می‌باشد . دسته بندی کننده‌های بسیار کامل می‌باشند و تقریبا تمامی‌دسته بندی کننده‌ها و تابع‌های داده کاوی را شامل می‌شود. 

.

.

.

.

لينك دريافت فيلم آموزشي نرم افزار وكا

.

.

.

قسمتی از این فیلم آموزشی را در کلیپ زیر میتوانید ببینید.

لینک دانلود کیفیت بالا قسمت اول


محصولات مرتبط

rapidminer video
آموزش جامع شبکه‌های عصبی با مثال کاربردی <a title=پردازش تصویر پیش بینی سری زمانی" width="400" height="400" />
rapidminer video
آموزش جامع کلمنتاین

175 نظر در “دانلود فیلم آموزش فارسی نرم افزار weka”

  1. خواستم از زحمت شما تشکر کنم
    خیلی سریع تونستم کار با این نرم افزار یاد بگیرم و در پایان نامم استفاده کنم.
    کار باهاش خیلی ساده است.

    1. خوبی نرم افزار weka در این است که کار باهاش نیازی به برنامه نویسی نداره.

      شما دسته بندی کننده را انتخاب می کنید و داده هاتون بهش می زنید و خروجی می گیرید.

    1. سلام

      مرسی از شما

      خوشحالم که تونستیم به شما کمکی کرده ایم و شما از کار ما رضایت دارید

    1. سلام

      شما از طریق لینک پرداخت انلاین می توانید هزینه را واریز و لینک دانلود فیلم آموزشی فارسی نرم افزار وکا را دریافت کنید.

  2. درود بر شما
    تشکر میکنم از فیلم های اموزشی شما .

    بنده یک سوال داشتم . من یک مجموعه ای از دیتا را داشتم و اون رو به arff تبدیل کردم . اگه بخواهم دستی desision tree اونو بکشم شامل 4 سطح و 9 نود خواهد بود
    اما به وکا با الگوریتم j48 که میدهم یکی از وِیژگیها را در تقسیمات نمی اورد . فیلتر هم نکردم . دلیلش رو نمی فهمم .
    در صورت امکان راهنمایی بفرمایید.

    احتراما فایل ارسال میشود.(فایل کلا شامل 12 رکورد است)

    با تشکر

  3. با سلام و احترام . دیروز هزینه پرداخت شد ولی لینک دانلود برای من ارسال نشد.
    spam هم نگاه کردم ، نبود .

  4. سلام من هزینه فیلم آموزشی رو پرداخت کردم رسیدش هم اومده ولی پس فیلم چی شد
    نه لینکش دانلود هست نه لینک ها پس از پرداخت کار می کنه
    راهنمایی هم نشده است چی کار باید کرد
    با تشکر
    من فیلم رو سریع می خوام احتیاج دارم فقط سریع تر لطفا”

  5. ممنونم
    لینکها رسید
    لطفا فعالیت سایتتون رو ادامه بدید این دست آموزشها اونهم با ارسال سریع خیلی ضروری و مفیده

    1. با سلام و تشكر از خريد شما
      لينك دانلود براي شما ارسال شده است لطفا يك بار ديگر چك بفرماييد.
      spam را نيز چك كنيد.
      با كمال تشكر و احترام

  6. سلام.من تحلیل نمودارها رو در وکا میخام با الگوریتم j48.آیا تو این فیلم یا میده چجوری نمودارهارو تحلیل کنیم و تغیرات احتمالی رو پیش بینی کنیم؟

    1. سلام
      لینک ها برای شما ایمیل شده است
      لطفا دوباره چک بفرمایید
      لینکها یک بار دیگر برای شما ایمیل شدند

      با تشکر از شما

    1. سلام

      شما کافی است بر روی پرداخت آنلاین کلیک کنید و هزینه را پرداخت کنید و لینک ها را در ایمیل خود دریافت کنید.

  7. سلام. من می خوام فیلم آموزش وکا رو دانلود کنم ولی تو این صفحه هیچ کدوم از لینکها مثل پرداخت آنلاین هزینه کار نمی کنن

    1. پسورد این دو فایل با بقیه متفاوت است

      به آخرین خط توجه کنید پسورد آنها قرار داده شده است.

  8. سلام
    ببخشید برای رگرسیون و پیش بینی به کمک شبکه عصبی، مثلا برای پیش بینی قیمت یک کالا، می توان از وکا استفاده کرد؟

    1. سلام و تشکر از شما
      بله شما می توانید از وکا برای پیش بینی استفاده کنید

      ابتدا داده های مورد نیاز را مطابق آنچه در فیلم توضیح دادیم تهیه کنید و سپس به شبکه عصبی اعمال کنید
      متناسب با پیش بینی کوتاه مدت و بلند مدت نحوه چیدمان داده ها متفاوت خواهد بود.

      1. سلام
        ممنونم از شما، اما من قبلا برای مسائل کلاس بندی از وکا استفاده کرده ام، برای این کار دیتاها رو به فرمت csv تبدیل می کردم،اما الان وقتی این کار را می کنم کلا دیتاها همه در یک سطر ریخته می شوند و اصلا نمی توان با آنها کار کرد!

  9. سلام

    من هزینه را اینترنتی پرداخت کردم ولی لینکی برایم ارسال نشده
    توی اسپم هم چیزی نبود

    کار ام هم خیلی ضروریه و فرصت هم ندارم

    لطفا بررسی فرمایید

  10. سلام. وقت بخیر

    من پرداخت رو انجام دادم. لطفا لینکها رو برام ایمیل کنید.
    ممکنه همراه ویدئوها فایل خود نرم افزار و دیتا ست رو هم ارسال کنید؟

    تشکر

    1. سلام و تشکر از شما

      لینک ها مجدد برای شما ایمیل شد.

      دیتاست ها همراه با نصب نرم افزار وکا ، قابل استفاده هستند.
      طریقه دانلود و نصب وکا در فیلم آموزشی ، آموزش داده می شود.

  11. سلام، پرداخت انجام شد ولی ایمیلی ارسال نشده. در ضمن پوشه اسپم را نیز چک کردم در صورت امکان مجدد ایمیل نمایید. با تشکر فراوان از سایت خوبتان

    1. سلام

      داده های ورودی نرم افزار وکا باید با فرمت خاصی باشند. در فیلم آموزشی نحوه تهیه این فرم خاص آموزش داده شده است.
      لذا شما هر پایگاه داده های را قادر خواهید بود در وکا استفاده کنید.
      این هدف شماست که مشخص می کند بر روی پایگاه داده کدام الگوریتم داده کاوی استفاده شود.
      اگر می خواهید دسته بندی classification انجام دهید باید از توابع دسته بندی استفاده کنید.
      بیشتر قسمت های نرم افزار وکا در این فیلم آموزشی ، آموزش داده شده است.

    1. با سلام

      بله این فیلم آموزشی مخصوص دانشجویان عزیر تهیه شده است و به آنها در استفاده از نرم افزار وکا در پروژه هایشان کمک می کند

  12. عذرخواهی می کنم،
    در این آموزشتون قسمت classification , clustring و آیتم های پرتکرار توضیح داده شده است؟
    ببخشید اونجا که گفتید “این هدف شماست که مشخص می کند بر روی پایگاه داده کدام الگوریتم داده کاوی استفاده شود.” این قسمت در این آموزش توضیح داده که بتونیم الگوریتم رو انتخاب کنیم یا این رو خودمون باید بلد باشیم؟ همچنین درباره همه توابع clustring یا classification توضیح داده که برای چه اموری، کدومش رو استفاده کنیم؟

    درباره آیتم های پرتکرار چی؟ توضیح کامل داده؟

    1. سلام

      درس داده کاوی در طول یک ترم تدریس می شود و دانش آن بستگی به تلاش خود شما دارد.
      ما در این فیلم آموزشی تمرکزمان بر روی خود نرم افزار می باشد. تقریبا تمامی قسمت ها توضیح داده می شود.
      هزینه این فیلم آموزشی خیلی پایین است. به نظرم تهیه بفرمایید. جواب تمامی سوالاتتون را پیدا خواهید کرد.

  13. با سلام وخسته نباشید
    سوال داشتم از خدمتتون
    در این فیلم مطالب مربوط به Multinomial logistic Regression هم آموزش داده میشود..

    در مورد نحوه ی انتخاب ورودی ها چطور، توضیحی داده می شود؟

    با تشکر

  14. واقا گل هستيد

    خيلي به من كمك كرديد

    همش درگير اين بودم اين وكا را از كجا ياد بگيريم كه فيلم آموزشي شما را ديدم و كمك بزرگي به من كرد

    تشكر
    تشكر

    1. خواهش ميكنم

      ما هم خدا را شاكر هستيم كه توانستيم كه به شما كمكي رسانده باشيم
      با تشكر از شما

  15. باعرض سلام وخسته نباشید
    بنده پول را واریز کردم ولی هیچ لینکی را دریافت نکردم
    خواهشمندم این مورد را سریعاً پیگیری نمائید چون واقعا به این فایل نیاز دارم
    منتظر پاسخ شما هستم
    پیشاپیش از حسن توجه شما سپاسگذارم

  16. سلام

    من هزینه را اینترنتی پرداخت کردم ولی لینکی برایم ارسال نشده
    توی اسپم هم چیزی نبود

    کار ام هم خیلی ضروریه و فرصت هم ندارم

    لطفا بررسی فرمایید

  17. باسلام ممنون از لینکهای مفیدتون خیلی برای من کاربرد داشتم فقط یه مشکل دارم بعد از نصب وکا برای بار دوم که میام برنامه رو بازکنم اجازه نمیده فکرکنم برنامه command line هبست و باید چیزی در محیط cmd بنویسیم تا برنامه بازشود لطفا راهنمایی کنید

    1. با سلام و تشکر از شما

      ازاینکه فیلم آموزشی که ما تهیه کردیم برای شما مفید بوده است خوشحالیم

      نرم افزار وکا برای نسخه های متفاوتی برای ویندوزهای مختلف دارد. شما این نکته را باید توجه کنید که اگر ویندوز شما 32 بیتی است نسخه 32 بیتی را دانلود کنید و اگر 64 بیتی است، نسخه 64 بیتی را دانلود کنید.

      نکته بعدی در سخت افزار کامپیوتر شماست که باید حداقل شرایط لازم را داشته باشد

      نکته بعدی در نصب ماشین جاوا می باشد. شما باید حتما ماشین جاوا را نصب کرده باشید تا وکا اجرا شود. در غیراینصورت همین مشکلی که فرمودید رخ می دهد.

  18. با سلام خدمت شما
    شما زحمت لینک رو کشیدید و ارسال کردید ولی هیچ کدوم از لینکها کار نمیکنند
    لطفا بررسی کنید.
    با تشکر ازشما

  19. سلام خدمت شما
    بخشی از فیلم آموزشی وکا رو که مدتش 6 دقیقه بود رو تو سایتتون دیدم. کیفیت صدا و تصاویر خیلی پایین بود. اصل فیلم آموزشی رو اگر بخرم همینطور هست؟
    با تشکر

    1. با سلام

      کیفیت فیلم های اصلی بسیار بالا می باشد. این ها به دلیل نمایش آنلاین کیفیتشون کاهش داده شده است.

  20. سلام
    در فیلم آموزشی آیا علاوه بر کار با وکا ،کلاس بندی با وکا هم آموزش داده می شه؟
    چون من فقط کلاس بندی رو لازم دارم

  21. خواهش میکنم راهنماییم کنین من لینکو به این شکل دریافت کردم weka.txtمگه نباید به صورت فیلم باشه پس چرا به شکل تکست هست فایلش

    1. سلام

      اینها لینک های دانلود می باشند. شما باید این ها را در آدرس بار اینترنت خود وارد کنید تا دانلود شوند.

    1. ایران متلب

      سلام

      لینک های دانلود داخل همین فابل notepad قرار دارند.

      شما می توانید فیلم آموزشی وکا را از طریق لینکها دانلود بفرمایید.

  22. با سلام
    من فیلم شما را خریداری کرده ام
    در فیلم 6 دقیقه ای تبلیغاتی شما از نحوه تبدیل فایل های exell به فرمت مورد قبول weka صحبت شده ولی در فیلمی که من خریدم این مورد وجود ندارد.
    راهنمایی فرمایید؟؟ ؟ ؟ ؟

    1. ایران متلب

      سلام

      فایل excell را خود وکا به فایل مورد قبول وکا تبدیل نمی کند. شما می توانید از ابزارهای آماده استفاده کنید.

      مثلا

      https://sourceforge.net/projects/exceltoarffconv/

      اما ما این کار را توصیه نمی کنیم. در قسمتی از فیلم نحوه ایجاد یک فایل arff از ایک فایل اکسل توضیح داده شد. این روش توسط حرفه ای های وکا بیشتر توصیه می شود.

  23. سلام
    ببخشید الگوریتم های ژنتیک، رقابت استعماری و ازدحام ذرات هم قابل استفاده در وکا هستن؟
    شما متلب را پیشنهاد میکنین یا وکا؟

    ممنونم

    1. ایران متلب

      سلام

      قطعا متلب برای الگوریتم ژنتیک و رقابت استعماری و ازدحام ذرات بهتر می باشد.

  24. سلام خسته نباشد.
    من لینک های دانلود دریافت کردم اما تمام لینک ها ارور 404 میده و نتوستم دانلود کنم .
    لطفا پیگیری کنید خیلی مهمه زمان زیادی ندارم.

  25. سلام و خسته نباشید
    سوالی داشتم اگر راهنمایی کنید ممنون میشم
    میخواستم بدانم در این آموزش الگوریتم های ترکیبی برای دسته بندی هم اشاره شدهر= است؟

  26. سلام و خسته نباشید
    سوالی داشتم اگر راهنمایی کنید ممنون میشم
    میخواستم بدانم در این آموزش الگوریتم های ترکیبی برای دسته بندی هم اشاره شده است؟
    و طریقه ی انجام آن؟

    1. سلام
      بیشتر قسمت های نرم افزار وکا آموزش داده شده است.
      دسته بندی classification صحبت شده است.

  27. فرزانه فرخی فر

    سلام. بعد از خرید نرم افزار ایمیلی با چندین لینک ارسال شده که با کلیک روی هر لینک پیغام “اوپسسسس “404 می دهد. 4 روز هم از خرید من گذشته . لطفا رسیدگی فرمایید.
    با تشکر

  28. سلام. ممنون از سایت عالیتون. من این اموزش را تهیه کردم و تمامش را دیدم ولی مشکلم حل نشد. من متوجه نشدم چجوری میتونم از دو الگوریتم k-means و naive bayes بصورت ترکیبی برای خوشه بندی و پیش بینی استفاده کنم؟ اگر راهنماییم کنید ممنون میشم. خیلی گیرم

    1. ایران متلب

      سلام
      شما با نرم افزار weka نمی تونید ترکیب انجام بدهید چون در این نرم افزار تمامی مدلها آماده هستند.
      شما باید خودتون کدش بنویسید.

پیام بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

twenty three − 17 =