A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Weka * Coleção de algoritmos de aprendizado de máquina implementado em Java Tanto é API como aplicativo!!! * Open source software * Framework para o desenvolvimento.

Apresentações semelhantes


Apresentação em tema: "Weka * Coleção de algoritmos de aprendizado de máquina implementado em Java Tanto é API como aplicativo!!! * Open source software * Framework para o desenvolvimento."— Transcrição da apresentação:

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 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 * weather %Nome do outlook {sunny, overcast, temperature real %Atributo e humidity windy {TRUE, play {yes, 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 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


Carregar ppt "Weka * Coleção de algoritmos de aprendizado de máquina implementado em Java Tanto é API como aplicativo!!! * Open source software * Framework para o desenvolvimento."

Apresentações semelhantes


Anúncios Google