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