curso dm weka

Prévia do material em texto

1
WEKA
Data Mining
Edilberto M. Silva
Tela Inicial
Introdução
! O Weka é uma coleção de algoritmos 
de machine learning para resolver 
problemas de data mining do mundo 
real. Os algoritmos podem ser 
aplicados tanto a um conjunto de dados 
ou chamados do seu código Java. Além 
disso, o Weka apresenta facilidades 
para desenvolvimento de novos 
esquemas de machine learning.
Esquemas implementados 
para classificação: 
• decision tree inducers 
• rule learners 
• naive Bayes 
• decision tables 
• locally weighted regression 
• support vector machines 
• instance-based learners 
• logistic regression 
• voted perceptrons 
• multi-layer perceptron 
Esquemas implementados 
para predição numérica: 
• linear regression 
• model tree generators 
• locally weighted regression 
• instance-based learners 
• decision tables 
• multi-layer perceptron 
"meta-schemes“
implementados: 
• bagging 
• stacking 
• boosting 
• regression via classification 
• classification via regression 
• cost sensitive classification 
2
Arquivo ARFF Arquivo ARFF
Arquivo ARFF Arquivo ARFF
! Valores faltantes são colocados no 
arquivo arff com o símbolo “?”.
! Qualquer atributo pode se tornar o 
atributo classe.
Pré - processamento Clustering
3
Associação Avaliação de atributos
Visualização de dados Classificação
Exercícios
! Rodar arquivo weather-nominal.arff nos 
classificadores ZeroR,OneR,ID3 e J48, 
comparar resultados obtidos.
! Rodar o arquivo labor.arff no J48 uma vez 
com prunning e outra vez sem prunning e 
comparar resultados.