13
menarik kotak
yang
mewakili algoritma pembelajaran dan sumber data di
sekitar
layar
dan bergabung bersama-sama ke
dalam konfigurasi
yang diinginkan oleh user.
Hal
ini
memungkinkan
untuk
menentukan aliran
data
dengan
menghubungkan komponen
yang
mewakili
sumber
data,
alat
preprocessing,
algoritma
pembelajaran (learning
algorithms),
metode
evaluasi,
dan
modul
visualisasi. Jika
filter
dan
algoritma
pembelajaran (learning algorithms)
mampu, maka data akan dimuat dan diproses
secara
bertahap.
Interface yang ketiga adalah Experimenter, dirancang untuk
membantu
menjawab
pertanyaan
praktis
dasar
ketika
menerapkan
teknik
klasifikasi
dan
regresi
yaitu berupa
metode dan
nilai parameter karya
terbaik
yang
sesuai
untuk
masalah
yang
diberikan.
Biasanya
tidak
ada
cara
untuk
menjawab
pertanyaan
ini
secara
Apriori.
Hal
ini
dapat
dilakukan
secara
interaktif
dengan
menggunakan interface
Explorer.
Namun,
interface
eksperimenter
memungkinkan
untuk
mengotomatisasi proses
dengan
membuatnya
mudah
untuk
menjalankan
pengklasifikasi dan
filter
dengan
pengaturan
parameter
yang berbeda pada korpus
dataset,
untuk
mengumpulkan statistik kinerja, dan
melakukan tes signifikansi. Pengguna advanced dapat
menggunakan eksperimenter
untuk
mendistribusikan beban komputasi di
beberapa
mesin
menggunakan Java
Remote
Method Invocation (RMI).
Dibalik interface ini terletak
interaktif fungsionalitas dasar dari WEKA. Ini dapat
diakses
dalam bentuk
mentah
dengan
memasukkan perintah tekstual, yang
memberikan
akses ke semua
fitur dari sistem. Ketika WEKA dijalankan, harus dipilih di antara empat
interface
pengguna
yang
berbeda:
Explorer,
Aliran
Pengetahuan (Knowledge
Flow),
eksperimenter, dan command-line interface. Kebanyakan orang memilih Explorer.
 |