Hvordan bruke Massive Online Analysis i koden

Massive Online Analyse er et data mining, open-source rammeverk som utnytter algoritmer for å generere en kontinuerlig strøm av nyttige, informative data. Rammeverket er skrevet i Java. Du integrere MOA inn koden for å lage ekte og syntetiske datastrømmer. Avanserte sluttbrukere, utviklere, vitenskapsmenn og forskere som kjører et Java Swing applikasjon for å studere, sammenligne, vurdere og anvende et mål på kunstig intelligens til prosjekter bruke MOA. Rammen har innebygd klassifisering og clustering evner til forskningsformål i tillegg. Mens individuell tilnærming til distribusjon MOA varierer, noen viktige brikker hjelpe deg å bruke den effektivt.

Bruksanvisning

1 Kompilere en passende Java Swing applikasjon. Bruk av MOA krever den nyeste versjonen av Java SE-plattformen. Installer en full Java Development Kit (JDK) fordi det er nødvendig for å utarbeide kompatible programmer. Plattformen du velger å kjøre MOA må være utstyrt med en passende Java virtuell maskin og velutviklede støttebiblioteker.

2 Endre et eksisterende program eller lage en fra bunnen i et program som NetBeans, som er et gratis, open-source Integrated Development Environment anbefalt av Oracle, eller et yndet alternativ IDE. Se opp for syntaksfeil som du bygger eller endre koden. Gå tilbake og fikse kode som konkluderer med utgang utsagnet "Build mislyktes." Få mest mulig ut MOA avhengig av å skape et pålitelig grunnlag for rammeverket.

3 Velg mellom å stole på et grafisk brukergrensesnitt eller kommandolinje-grensesnitt. Begge alternativene er støttet av MOA. Siden MOA kan definere sannsynlighet og bruke en sigmoid funksjon, velger du hvilken type grensesnitt som passer målene for de avanserte sluttbrukere.

4 Innlemme støtte for MOA datastrømmen miljø inn koden din. Data vil bli i høy hastighet for å produsere en algoritme - derfor koden skal være effektiv og presis. Eliminere overflødige operasjoner som påvirker hastigheten på programmet eller det grafiske grensesnittet. Lag glatt kjører kode og bruke enkle strategier, som for eksempel å skrive nye classifiers å utvide funksjonaliteten til Moa, for eksempel.