KEEL 介绍
KEEL，Knowledge Extraction based on Evolutionary
Learning的简称，是一款开源的数据挖掘软件工具，也是与WEKA一样出名的分析和实验环境，它提供了简洁的GUI，用于执行包括回归、分类、聚类、监督学习等多种数据挖掘任务。KEEL由JAVA语言编写，包含了多种进化算法以及预处理技术与进化学习的整合，这使得它能够对任何学习模型进行完整的分析。
KEEL是knowledge extraction based on evolutionary
learning的简称，它是一款开源的JAVA软件工具，遵循GNU的GPLv3许可，受西班牙项目（TIN-2005-08386-C05-(01,
02, 03, 04 and 05)）的支持 [3] 。
KEEL能够用于大量不同的知识发现任务，它提供了一个简单的基于数据流的GUI，可以根据不同的数据集和计算智能算法（特别是进化算法）设计实验、评估算法。它包含了各种各样经典的知识提取算法、预处理技术（如训练集选择、特征选择、离散化、缺失值处理等）、计算智能的学习算法、混合模型、对比实验的统计方法等等，它允许对各种算法进行完整的分析、比较。
主要特征
-
突出了进化算法在模型预测、预处理（特征选择、训练集选择）、后期处理（模糊规则的进化调优）中的作用
-
实现了许多专业文献中的数据挖掘算法，如离散化、噪声滤波等
-
提供了一个统计库来分析算法结果，库中包含了一组统计测试，用于分析结果的正态性、异态性，比较含参和非参算法的结果
-
许多算法是基于JAVA类库进行开发的
-
提供了一个用户友好的界面，并且此界面是面向算法分析的
-
该工具的目标是设计包含多种数据集和多种算法的实验，并且实验会产生独立的脚本，能够在不同的机器上运行。
-
同时提供线下实验和线下实验，线上实验的设计目的是帮助学习者学习算法的操作。
-
包含知识提取算法库，其中整合了多种进化学习算法，也包含经典的学习算法
KEEL 官网
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。