Weka - PowerPoint PPT Presentation

1 / 13
About This Presentation
Title:

Weka

Description:

Title: Aprendeizagem de regras proposicionais de classifica o e associa o Author: Ivan Romero Teixeira Last modified by: glr Created Date – PowerPoint PPT presentation

Number of Views:109
Avg rating:3.0/5.0
Slides: 14
Provided by: IvanR3
Category:
Tags: cobweb | weka

less

Transcript and Presenter's Notes

Title: Weka


1
Weka
  • Coleção de algoritmos de aprendizado de máquina
    implementado em Java
  • Tanto é API como aplicativo!!!
  • Open source software
  • Framework para o desenvolvimento de algoritmos
  • Tutorial e a Biblioteca encontrados em
    http//www.cs.waikato.ac.nz/ml/weka/

2
Métodos de aprendizado suportados
  • Aprendizagem Supervisionada
  • decision tree inducers
  • rule learners
  • naive Bayes
  • decision tables
  • locally weighted regression
  • support vector machines
  • instance-based learners
  • logistic regression
  • voted perceptrons
  • neural networks

3
E ainda ...
  • Aprendizagem Não Supervisionada
  • Cobweb
  • EM
  • Meta Aprendizagem
  • bagging
  • boosting
  • stacking
  • Filtros
  • Transformação dos Dados
  • Seleção de Atributos
  • Entre outros ...

4
Mais ainda ...
  • Ferramentas de Visualização dos Dados
  • Algoritmos de Associação
  • Experimenter

5
Preparando os dados
  • O weka lê os dados no formato .arff
  • Uma lista de todas as instâncias, onde o valor
    dos atributos são separados por vírgula mais um
    cabeçalho
  • Ex(weather.arff)
  • _at_relation weather Nome do arquivo
  • _at_attribute outlook sunny, overcast, rainy
  • _at_attribute temperature real Atributo e tipo
  • _at_attribute humidity real
  • _at_attribute windy TRUE, FALSE
  • _at_attribute play yes, no
  • _at_data Início dos dados
  • sunny,85,85,FALSE,no
  • overcast,83,86,FALSE,yes

6
Instalando o software
  • 1. Crie um diretório chamada Weka na raiz da
    sua área
  • h\weka
  • 2.Copiando os arquivos
  • http//www.cin.ufpe.br/igcf/weka
  • weka.jar
  • weather.arff
  • soybean.arff
  • 3.Certifique-se de que os dados foram salvos no
    formato correto.

7
Executando o software
  • Inicialize o ambiente jdk1.2.2
  • menu programs\Linguagens\Java\JDK1.2.2
  • Execute no diretório h\weka
  • java jar weka.jar
  • Obs
  • Pode usar validação cruzada
  • Pode salvar os resultados (API)

8
Weka Aprendizado de árvores de decisão
  • Dados do tempo
  • Algoritmo weka.classifier.j48.J48

9
J48 - Parametros
  • Binary Splits criação de árvores binárias
  • nimMunObj numero mínimo de instancias em folhas
  • Reduced Error Pruning poda através de conjunto
    de validação
  • NumFolds especifica o tamanho do conjunto de
    validação
  • Unprunned não usar poda
  • Default poda
  • confidenceFactor???
  • ...

10
Aprendizado de árvores de decisão
  • J48 pruned tree
  • ------------------
  • outlook sunny
  • humidity lt 75 yes (2.0)
  • humidity gt 75 no (3.0)
  • outlook overcast yes (4.0)
  • outlook rainy
  • windy TRUE no (2.0)
  • windy FALSE yes (3.0)
  • Number of Leaves 5
  • Size of the tree 8

11
Exercício
  • Abrir o arquivo soybean.arff
  • Variar parâmetros do J48 e observar o que
    acontece ...

12
IBk
  • Parametros
  • Distance weigth
  • Knn
  • Window size

13
Considerações
  • Facilidade de uso
  • é fácil fazer experimentos distintos rapidamente
  • Extensibilidade
  • Algumas implementações não contem parâmetros
    importantes
  • Performance é deteriorada no uso de grandes
    conjuntos de dados
  • Weka requer muita memória
  • Documentação não cobre todas as técnicas
    disponíveis
Write a Comment
User Comments (0)
About PowerShow.com