PyMining - 基于Python的数据挖掘平台

fmms 9年前

这是一个能够根据源数据(比如说用csv格式表示的矩阵,或者中文文档)使用多种多样的算法去得到结果的一个平台。

算法能够通过xml配置文件去一个一个的运行,比如在开始的时候,我们可以先运行一下主成分分析算法去做特种选择,然后我们再运行随机森林算法来做分类。

目前算法主要是针对那些单机能够完成的任务,该架构良好的扩展性能够让你在很短的时间内完成自己想要的算法,并且用于工程之中(相信我,肯定比Weka更快更好)。该项目的另一个特色是能够很好的支持中文文本的分类、聚类等操作。

下图是使用PyMining主成分分析(PCA)算法将一个数千维的数据投影到2维平面的结果,也是PyMining中的一个例子,位于example/pca_matplot_example.py。原始数据为文本,每种颜色代表不同分类的文本,可以看出,虽然维度变成了2维,但是不同分类的文本投影后的结果还是有一定的区分度的。

PyMining - 基于Python的数据挖掘平台重要:目前项目已经集成了Scipy与Matplotlib,目前PCA调用了Scipy,上面的例子调用了Matplotlib。在Ubuntu下,Scipy的安装可以参考我的另一篇文章:Scipy在Ubuntu上的安装,Matplotlib的可以使用sudo apt-get install python-matplotlib。对于其他平台,只有自己去搜索配置一下,可以见项目主页中wiki下面的installing页面。

项目主页:http://www.open-open.com/lib/view/home/1329629576296