Weka (pentaho data mining)
- 1. Weka (Pentaho Data Mining). Diana Esmeralda Alvarenga Mendoza. USIS014411. Max Fuentes Paredes. SMIS109610. Rosa Migdalia Mejía Pineda. USIS010911. Carlos Mauricio Salgado Reyes. USIS049211
- 2. ¿Qué es Weka? LA Weka (Gallirallus australis) es un ave endémica de Nueva Zelanda. Esta Gallinácea en peligro de extinción es famosa por su curiosidad y agresividad. De aspecto pardo y tamaño similar a una gallina las wekas se alimentan fundamentalmente de insectos y frutos. Este ave da nombre a un conjunto de librerías JAVA para la extracción de conocimientos desde bases de datos. Es un software ha sido desarrollado en la universidad de Waikato (Nueva Zelanda) bajo licencia GPL lo cual ha impulsado que sea una de las suites más utilizadas en el área en los últimos años. Además Weka contiene las herramientas necesarias para realizar transformaciones sobre los datos, tareas de clasificación, regresión, clustering, asociación y visualización. Weka está diseñado como una herramienta orientada a la extensibilidad por lo que una de las propiedades más interesantes de este software, es su facilidad para añadir extensiones, modificar métodos etc.
- 3. ¿Qué significan sus siglas (Weka)? Waikato Environment for Knowledge Analysis (Waikato Entorno para el Análisis del Conocimiento)
- 4. 1. Cabecera. Se define el nombre de la relación. Su formato es el siguiente: @relation <nombre-de-la-relación> Donde <nombre-de-la-relación> es de tipo String*. Si dicho nombre contiene algún espacio será necesario expresarlo entrecomillado. 2. Declaraciones de atributos. En esta sección se declaran los atributos que compondrán nuestro archivo junto a su tipo. La sintaxis es la siguiente: @attribute <nombre-del-atributo> <tipo> Nativamente Weka trabaja con un formato denominado arff, acrónimo de Atribute Relation File Format. Este formato está compuesto por una estructura claramente diferenciada en tres partes:
- 5. Donde <nombre-del-atributo> es de tipo String teniendo las mismas restricciones que el caso anterior. Weka acepta diversos tipos, estos son: a) NUMERIC Expresa números reales*. b) INTEGER Expresa números enteros. c) DATE Expresa fechas, para ello este tipo debe ir precedido de una etiqueta de formato entrecomillada. La etiqueta de formato está compuesta por caracteres separadores (guiones y/o espacios) y unidades de tiempo: dd Día. MM Mes. yyyy Año. HH Horas. mm Minutos. ss Segundos. d) STRING Expresa cadenas de texto, con las restricciones del tipo String comentadas anteriormente. e) ENUMERADO El identificador de este tipo consiste en expresar entre llaves y separados por comas los posibles valores (caracteres o cadenas de caracteres) que puede tomar el atributo. Por ejemplo, si tenemos un atributo que indica el tiempo podría definirse: @attribute tiempo {soleado,lluvioso,nublado}
- 6. 3. Sección de datos. Declaramos los datos que componen la relación separando entre comas los atributos y con saltos de línea las relaciones. @data 4,3.2 Aunque éste es el modo “completo" es posible definir los datos de una forma abreviada (sparse data). Si tenemos una muestra en la que hay muchos datos que sean 0 podemos expresar los datos prescindiendo de los elementos que son nulos, rodeando cada una de las filas entre llaves y situando delante de cada uno de los datos el número de atributo**. Un ejemplo de esto es el siguiente @data {1 4, 3 3} En este caso hemos prescindido de los atributos 0 y 2 (como mínimo) y asignamos al atributo 1 el valor 4 y al atributo 3 el valor 3.
- 7. VENTAJAS. Extensa colección de algoritmos de Máquinas de conocimiento. Nos permite ubicar patrones de comportamiento de la información a procesar de tal manera que es de gran ayuda en la toma de decisiones. Está disponible libremente bajo la licencia pública general de GNU. Es muy portable porque está completamente implementado en Java y puede correr en casi cualquier plataforma. Contiene una extensa colección de técnicas para pre-procesamiento de datos y modelado.
- 8. DESVENTAJAS. Existe poca documentación sobre el uso de Weka dirigida al usuario. Un área importante que actualmente no cubren los algoritmos incluidos en Weka es el modelado de secuencia.
- 9. Instalación. Descargar la versión de Weka; en este caso es la weka-3-7-12jre-x64
- 11. Sitio de descarga. http://community.pentaho.com/projects/data-mining/
- 12. Desarrolladores. Por la universidad de Waikato (Nueva Zelanda)