PyMining - 基于Python的數據挖掘平臺

fmms 12年前發布 | 97K 次閱讀 Python 數據挖掘

這是一個能夠根據源數據（比如說用csv格式表示的矩陣，或者中文文檔）使用多種多樣的算法去得到結果的一個平臺。

算法能夠通過xml配置文件去一個一個的運行，比如在開始的時候，我們可以先運行一下主成分分析算法去做特種選擇，然后我們再運行隨機森林算法來做分類。

目前算法主要是針對那些單機能夠完成的任務，該架構良好的擴展性能夠讓你在很短的時間內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）。該項目的另一個特色是能夠很好的支持中文文本的分類、聚類等操作。

下圖是使用PyMining主成分分析（PCA）算法將一個數千維的數據投影到2維平面的結果，也是PyMining中的一個例子，位于example/pca_matplot_example.py。原始數據為文本，每種顏色代表不同分類的文本，可以看出，雖然維度變成了2維，但是不同分類的文本投影后的結果還是有一定的區分度的。

重要：目前項目已經集成了Scipy與Matplotlib，目前PCA調用了Scipy，上面的例子調用了Matplotlib。在Ubuntu下，Scipy的安裝可以參考我的另一篇文章：Scipy在Ubuntu上的安裝，Matplotlib的可以使用sudo apt-get install python-matplotlib。對于其他平臺，只有自己去搜索配置一下，可以見項目主頁中wiki下面的installing頁面。