• 在艾尔基帕尔基，数据挖掘算法和数据管理任务是分开的，并允许对一个独立的评估。 这种分离，使艾尔基帕尔基之间的独特的数据挖掘框架喜欢韦卡或耶鲁大学和框架，用于指数结构如要点。

    同时，艾尔基帕尔基是开放的，以任意数据的类型、距离或相似的措施，或者文件的格式。

    基本的方法是独立的文件的分析程序或数据库连接、数据类型，距离，距离函数和数据挖掘的算法。 辅助课程，例如代数或分析计算适用于所有算法在平等的条件。

  • में ELKI, डेटा खनन एल्गोरिदम और डेटा प्रबंधन के कार्यों को अलग कर रहे हैं और अनुमति देने के लिए एक स्वतंत्र मूल्यांकन. इस जुदाई बनाता है ELKI के बीच में अद्वितीय डेटा खनन चौखटे की तरह Weka या येल और चौखटे के लिए सूचकांक संरचनाओं की तरह सार है ।

    एक ही समय में, ELKI खुला है करने के लिए मनमाने ढंग से डेटा प्रकार, दूरी या समानता के उपाय, या फ़ाइल स्वरूपों के लिए ।

    मौलिक दृष्टिकोण है स्वतंत्रता की फाइल पारसर्स या डेटाबेस कनेक्शन, डेटा प्रकार, दूरी, दूरी, कार्यों और डेटा खनन एल्गोरिदम. सहायक वर्ग, के लिए उदाहरण के लिए बीजीय या विश्लेषणात्मक संगणना के लिए उपलब्ध हैं सभी एल्गोरिदम समान शर्तों पर.

  • In ELKI, data mining algorithms and data management tasks are separated and allow for an independent evaluation. This separation makes ELKI unique among data mining frameworks like Weka or YALE and frameworks for index structures like GiST.

    At the same time, ELKI is open to arbitrary data types, distance or similarity measures, or file formats.

    The fundamental approach is the independence of file parsers or database connections, data types, distances, distance functions, and data mining algorithms. Helper classes, e.g. for algebraic or analytic computations are available for all algorithms on equal terms.