Recursos relacionados con WEKA

.
Weka (Entorno para Análisis del Conocimiento de la Universidad de Waikato), según Wikipedia, es un paquete de soft destinado a la minería de datos y a la investigación en aprendizaje automático. Está escrito en Java y se distribuye libremente con licencia DNU-GPL. Weka es competidor de Clementine y Oracle Data Miner pero su fortaleza, más allá de lo técnico, es que es open source.

Recursos útiles

• Ejemplo rápido de uso de Weka
• Tutorial de Weka es español
• Datasets para entrenarse
• Tutorial de Weka KnowledgeFlow (para la versión 3.5.7)
• Ejecutar weka desde linea de comandos
• Introducción a la minería de datos con Weka

Papers sobre Weka (Extraidos de la Wikipedia)

1. ↑ Ian H. Witten; Eibe Frank, Len Trigg, Mark Hall, Geoffrey Holmes, and Sally Jo Cunningham (1999). Weka: Practical Machine Learning Tools and Techniques with Java Implementations. Proceedings of the ICONIP/ANZIIS/ANNES'99 Workshop on Emerging Knowledge Engineering and Connectionist-Based Information Systems pp. 192-196. Consultado el 2007-06-26.
2. ↑ Gregory Piatetsky-Shapiro (2005-06-28). KDnuggets news on SIGKDD Service Award 2005. Consultado el 2007-06-25.
3. ↑ Overview of SIGKDD Service Award winners (2005). Consultado el 2007-06-25.
4. ↑ Ian H. Witten; Eibe Frank (2005). Data Mining: Practical machine learning tools and techniques, 2nd Edition. Morgan Kaufmann, San Francisco. Consultado el 2007-06-25.
5. ↑ G. Holmes; A. Donkin and I.H. Witten (1994). Weka: A machine learning workbench. Proc Second Australia and New Zealand Conference on Intelligent Information Systems, Brisbane, Australia. Consultado el 2007-06-25.
6. ↑ S.R. Garner; S.J. Cunningham, G. Holmes, C.G. Nevill-Manning, and I.H. Witten (1995). Applying a machine learning workbench: Experience with agricultural databases. Proc Machine Learning in Practice Workshop, Machine Learning Conference, Tahoe City, CA, USA pp. 14-21. Consultado el 2007-06-25.
7. ↑ P. Reutemann; B. Pfahringer and E. Frank (2004). Proper: A Toolbox for Learning from Relational Data with Propositional and Multi-Instance Learners. 17th Australian Joint Conference on Artificial Intelligence (AI2004). Springer-Verlag. Consultado el 2007-06-25.