Carregar apresentação
A apresentação está carregando. Por favor, espere
PublicouMirella Domingues Alterado mais de 10 anos atrás
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:
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 Meta Aprendizagem Filtros
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): @relation weather %Nome do arquivo @attribute outlook {sunny, overcast, rainy} @attribute temperature real %Atributo e tipo @attribute humidity real @attribute windy {TRUE, FALSE} @attribute play {yes, no} @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: 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 <=75 >75
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 <= 75: yes (2.0) | humidity > 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 Extensibilidade
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
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.