Я обновил ваш код html
и css
, пожалуйста, дайте мне знать, если это работает для вас
ul.list-inline.list-pipe {
width: 100%;
display: flex;
align-items: flex-start;
flex-wrap: nowrap;
}
ul.list-inline.list-pipe li {
width: 33%;
display: inline;
font-size: 15px;
letter-spacing: 0.79px;
text-align: center;
color: #11A8A1;
border-left: 1px solid #d0d0d0;
}
ul.list-inline.list-pipe li:first-child {
border-left: none;
}
ul.list-inline.list-pipe li span {
display: block;
margin-top: 10px;
color: #000;
}
<ul class="list-inline list-pipe" >
<li>
Germany
<span>Place</span>
</li>
<li>
1914-18
<span>Year</span>
</li>
<li>
German
<span>Language</span>
</li>
</ul>
[119 ] Я считаю, что WEKA - лучшее программное обеспечение DM с открытым исходным кодом.
Проверьте это: http://www.cs.waikato.ac.nz/ml/weka/
Я питонист я и я должны сказать:
Да! Все это можно сделать на Python.
В последний раз я играл с Beautiful Soup [0]. Это действительно простой в использовании модуль, который позволяет вам получать / извлекать данные из html и xml (отлично подходит для «очистки экрана»).
Если вы не знаете python, ... ну, это действительно легко выучить.
[0] http://www.crummy.com/software/BeautifulSoup/[1269 impression
Weka великолепна, но вы можете вместо этого попробовать инструментарий Orange Data Mining.
Изменить: И по состоянию на ноябрь 2010 года я должен сказать, что мне очень нравится KNIME .
R содержит множество отличных пакетов, связанных с интеллектуальным анализом данных. В частности, посмотрите:
Оно также связано с Weka ( см. Пакет RWeka ). И он может быть интегрирован либо с .Net (через COM), либо с Python (через RPy или RPy2).
Я бы согласился насчет Pentaho для платформы отчетности, хотя это очень большой проект в зависимости от того, для чего вы его используете.
Pentaho - очень профессиональное решение. Определенно очень хороший выбор.
Список некоторых инструментов для добычи данных с открытым исходным кодом приведен здесь: http://dataminingtools.net/browse.php
вы можете взглянуть на инструмент сбора данных, weka
Вот ссылка на сборник руководств и видео на WEKA Учебники: http://www.dataminingtools.net/browsetutorials.php?tag=weka
Вам также следует ознакомиться с Apache Mahout . Это может быть весьма полезно для некоторых крупномасштабных задач машинного обучения, таких как кластеризация пользователей.
Взгляните на список программного обеспечения с открытым исходным кодом для машинного обучения, поддерживаемого JMLR. { {1}} вы можете найти его здесь:
http://jmlr.csail.mit.edu/mloss/
Они представляют собой современное искусство!
Моя проблема с Weka заключается в том, что некоторые алгоритмы в нем устарели.
Я считаю, что KNIME также заслуживает того, чтобы присоединиться к этому списку.