Componente de weka (mineria datos ing. software)
Descargar como PPT, PDF2 recomendaciones5,844 vistas
Este documento presenta una introducción a WEKA, un software libre para minería de datos desarrollado en Java. Explica las características principales de WEKA como preprocesado de datos, clasificación, agrupamiento, asociación y visualización. También describe las diferentes interfaces de WEKA como Explorer, Experimenter y KnowledgeFlow, así como el formato ARFF para cargar datos y los tipos de filtros para preprocesado.
Componente de weka (mineria datos ing. software)
- 1. INTRODUCCIÓN PRÁCTICA A LA MINERÍA DE DATOS
- 2. WEKA Waikato Environment for Knowledge Analysis
- 3. Características Software Libre desarrollado en Java Técnicas: Preprocesado Clasificación Agrupamiento Asociación Visualización
- 4. Opciones Explorer : Es la opción que permite llevar a cabo la ejecución de los algoritmos de análisis implementados sobre los ficheros de entrada, una ejecución independiente por cada prueba. Experimenter: esta opción permite definir experimentos más complejos, con objeto de ejecutar uno o varios algoritmos sobre uno o varios conjuntos de datos de entrada, y comparar estadísticamente los resultados Simple CLI: la interfaz "Command-Line : Interfaz" es simplemente una ventana de comandos java para ejecutar las clases de WEKA KnowledgeFlow: esta opción es una novedad de WEKA 3-4 que permite llevar a cabo las mismas acciones del "Explorer", con una configuración totalmente gráfica, inspirada en herramientas de tipo "data-flow" para seleccionar componentes y conectarlos en un proyecto de minería de datos
- 6. Open File Formato ARFF( Attribute-Relation File Format) Carga de los datos Archivos de Texto Bases de Datos (JDBC) Dirección URL (Servidor
- 7. Formato ARFF Estructura del Archivo texto (extensión .arff) % comentarios @relation NOMBRE_RELACION @attribute r1 real @attribute i1 integer @attribute s1 {v1_s1, v2_s1,…vn_s1} … @data DATOS
- 8. Formato ARFF
- 9. Pre-procesado de los datos Esta es la primera parte por la que se debe pasar antes de realizar ninguna otra operación, ya que se precisan datos para poder llevar a cabo cualquier análisis. Filtros de atributos Filtros de selección (remove) Filtros de discretización (Filtro Discretiza R (#atribut) Filtros de instancias Filtro AddExpression ( (a3^3.4)*a1+sqrt(floor(tan(a4)))
- 10. Pre-procesado de los datos Filtros de atributos
- 11. Visualización La herramienta de visualización de WEKA permite presentar gráficas 2D que relacionen pares de atributos, con la opción de utilizar además los colores para añadir información de un tercer atributo.
- 12. Clasificación Si queremos realizar una clasificación lo primero será elegir un clasificador y configurarlo a nuestro gusto, para ello pulsaremos sobre el botón Choose dentro del área Classifier. Una vez pulsado se desplegará un árbol que nos permitirá seleccionar el clasificador deseado. Una vez seleccionado aparecerá, en la etiqueta contigua al botón Choose, el filtro seleccionado y los argumentos con los que se ejecutará. Esta información es muy útil si queremos utilizar el interfaz de consola ya que podremos configurar nuestro filtro con la interfaz y luego obtener el resultado apto para línea de mandato.
- 13. Clasificación la aplicación de algoritmos de clasificación a diferentes problemas de predicción de atributos definidos sobre los datos de entrada en este ejemplo. El problema de clasificación siempre se realiza sobre un atributo simbólico , en el caso de utilizar un atributo numérico se precisa por tanto discretizarlo antes en intervalos que representarán los valores de clase. Clasificador “OneR”: Este es uno de los clasificadores más sencillos y rápidos, aunque en ocasiones sus resultados son sorprendentemente buenos en comparación con algoritmos mucho más complejos. Simplemente selecciona el atributo que mejor “explica” la clase de salida. Si hay atributos numéricos, busca los umbrales para hacer reglas con mejor tasa de aciertos
- 14. Clasificación Clasificador como árbol de decisión: J48 El algoritmo J48 de WEKA es una implementación del algoritmo C4.5, uno de los algoritmos de minería de datos que más se ha utilizado en multitud de aplicaciones. No vamos a entrar en los detalles de todos los parámetros de configuración, dejándolo para el lector interesado en los detalles de este algoritmo, y únicamente resaltaremos uno de los más importantes, el factor de confianza para la poda, confidence level, puesto que influye notoriamente en el tamaño y capacidad de predicción del árbol construido.
- 15. Clasificación
- 16. Asociación Los algoritmos de asociación permiten la búsqueda automática de reglas que relacionan conjuntos de atributos entre sí. Son algoritmos no supervisados, en el sentido de que no existen relaciones conocidas a priori con las que contrastar la validez de los resultados, sino que se evalúa si esas reglas son estadísticamente significativas.
- 17. Asociación El principal algoritmo de asociación implementado en WEKA es el algoritmo "Apriori". Este algoritmo unicamente puede buscar reglas entre atributos simbólicos, razón por la que se requiere haber d discretizado todos los atributos numéricos.
- 18. AGrupamiento La opción Cluster del Experimenter nos permite aplicar algoritmos de agrupamiento de instancias a nuestros datos. Estos algoritmos buscan grupos de instancias con características "similares", según un criterio de comparación entre valores de atributos de las instancias definidos en los algoritmos discretizado todos los atributos numéricos.
- 19. AGrupamiento Agrupamiento numérico En primer lugar utilizaremos el algoritmo de agrupamiento K-medias, por ser uno de los más veloces y eficientes, si bien uno de los más limitados. Este algoritmo precisa únicamente del número de categorías similares en las que queremos dividir el conjunto de datos
- 20. KnowledgeFlow
- 21. Referencias DR. NICOLAS KEMPER VALVERDE Universidad Nacional Autónoma de México