Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 266 vistas

    Ejemplos Weka

    Cargado por

    Alan
    Este documento presenta dos ejemplos de clasificación usando WEKA. El primer ejemplo predice si se puede jugar tenis basado en datos meteorológicos usando el algoritmo J48. El segundo ejemplo predice el medicamento para la rinitis alérgica basado en datos de pacientes. Se crea un nuevo atributo para la relación de sodio a potasio y se entrena otro modelo J48 utilizando este atributo derivado.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Ejemplos Weka

    Cargado por

    Alan
    266 vistas19 páginas
    Este documento presenta dos ejemplos de clasificación usando WEKA. El primer ejemplo predice si se puede jugar tenis basado en datos meteorológicos usando el algoritmo J48. El segundo ejemplo predice el medicamento para la rinitis alérgica basado en datos de pacientes. Se crea un nuevo atributo para la relación de sodio a potasio y se entrena otro modelo J48 utilizando este atributo derivado.

    Descripción original:

    Ejemplos Weka

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta dos ejemplos de clasificación usando WEKA. El primer ejemplo predice si se puede jugar tenis basado en datos meteorológicos usando el algoritmo J48. El segundo ejemplo predice el medicamento para la rinitis alérgica basado en datos de pacientes. Se crea un nuevo atributo para la relación de sodio a potasio y se entrena otro modelo J48 utilizando este atributo derivado.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    266 vistas19 páginas

    Ejemplos Weka

    Cargado por

    Alan
    Este documento presenta dos ejemplos de clasificación usando WEKA. El primer ejemplo predice si se puede jugar tenis basado en datos meteorológicos usando el algoritmo J48. El segundo ejemplo predice el medicamento para la rinitis alérgica basado en datos de pacientes. Se crea un nuevo atributo para la relación de sodio a potasio y se entrena otro modelo J48 utilizando este atributo derivado.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 19

    presentacin de

    Prcticas con WEKA

    Ejemplo Uno

    Vamos a trabajar con los datos acerca de los


    das que se ha podido jugar al tenis,
    dependiendo
    de
    diversos
    aspectos
    meteorolgicos.
    Objetivo:
    Determinar (predecir) si hoy podremos jugar al
    tenis.

    Ejemplo Uno

    Base de datos:
    weather.arff

    Caractersticas:
    Sky
    Temperature
    Humidity
    Wind
    PlayTennis

    Ejemplo Uno

    Identificar:
    Cantidad de registros
    Cantidad de atributos
    Distribucin de clases

    Ejemplo Uno/Organizacin de Clasificadores

    Bayes. Mtodos basados en el paradigma del


    aprendizaje de Bayes.
    Funciones. Mtodos matemticos: Redes neuronales,
    regresiones, SVM
    Lazy. Mtodos que utilizan el paradigma de aprendizaje
    perezoso, es decir no construyen un modelo
    Meta. Mtodos que permiten combinar diferentes
    mtodos de aprendizaje
    Trees. Mtodos que aprenden mediante la generacin
    de rboles de decisin Rules. Mtodos que aprenden
    modelos que se pueden expresar como reglas

    Ejemplo Uno

    Vamos a utilizar el algoritmo clsico de


    aprendizaje de rboles de decisin C4.5 (J48
    es el nombre que se le da en Weka)

    Ejemplo Uno

    Weka nos informa de algunos parmetros del


    dataset.
    A continuacin nos muestra de manera
    textual el modelo aprendido (en este caso el
    rbol de decisin).
    Por ultimo nos incluye informacin sobre la
    evaluacin del modelo.

    Ejemplo Uno

    Visualizar el rbol grficamente pulsando


    botn derecho sobre el texto trees.J48 de la
    caja Result-list.
    Seleccionamos la opcin Visualize Tree

    Ejemplo Uno

    El grfico muestra para cada hoja, cuntos


    ejemplos de la evidencia son cubiertos.
    Con el botn derecho sobre el texto trees.J48
    de la caja Result-list tendremos acceso otras
    opciones ms avanzadas para el anlisis del
    modelo aprendido

    Ejemplo Dos - Seleccin de Frmaco


    En este caso se trata de predecir el tipo de
    frmaco (drug) que se debe administrar a un
    paciente afectado de rinitis alrgica segn
    distintos parmetros/variables.
    Las variables son:

    Age: Edad
    Sex: Sexo
    BP (Blood Pressure): Tensin sangunea.
    Cholesterol: nivel de colesterol.
    Na: Nivel de sodio en la sangre.
    K: Nivel de potasio en la sangre.

    Ejemplo Dos - Seleccin de Frmaco

    Hay cinco frmacos posibles:


    DrugA, DrugB, DrugC, DrugX, DrugY.

    Se pretende, para nuevos pacientes,


    determinar el mejor medicamento a probar.

    Ejemplo Dos - Seleccin de Frmaco

    En primer lugar cargar fichero drug1n.arff


    Obtener caractersticas de la base de datos

    Qu frmacos son ms comunes en general, para


    ver si todos suelen ser igualmente efectivos en
    trminos generales?

    Ejemplo Dos - Seleccin de Frmaco

    Qu frmacos son ms comunes en general, para


    ver si todos suelen ser igualmente efectivos en
    trminos generales? Opcin 2
    Usar ZeroR4 en la familia de rules

    Ejemplo Dos - Seleccin de Frmaco

    Qu frmacos son ms comunes en general, para


    ver si todos suelen ser igualmente efectivos en
    trminos generales? Opcin 3
    Usar J48
    Cuntas reglas se tienen en total?
    De cuanto es la precisin (accuracy) sobre los datos
    de entrenamiento?
    De cuanto es el error sobre los datos de
    entrenamiento?

    Ejemplo Dos - Seleccin de Frmaco

    Qu frmacos son ms comunes en general, para


    ver si todos suelen ser igualmente efectivos en
    trminos generales? Opcin 3
    Se puede mejorar?

    Ejemplo Dos - Seleccin de Frmaco

    Vamos a analizar, con ms detenimiento, los


    atributos de entrada del problema.
    Es posible que se puedan establecer mejores
    modelos si combinamos algunos atributos.
    Para comparar la relacin entre atributos debemos
    acudir al entorno Visualize, donde podemos realizar
    grficas entre pares de atributos y ver si tienen
    alguna relacin con las clases.

    Ejemplo Dos - Seleccin de Frmaco

    Parece haber una clara separacin lineal entre una


    relacin K/Na alta y una relacin K/Na baja.
    Para las concentraciones K/Na bajas, el frmaco Y es
    el ms efectivo de una manera clara y parece
    mostrarse que por encima de un cierto cociente
    K/Na ese medicamento deja de ser efectivo y se
    debe recurrir a los otros cuatro.
    Hemos establecido que el medicamento a
    administrar depende en gran medida del cociente
    entre K/Na

    Ejemplo Dos - Seleccin de Frmaco

    Crear un atributo derivado (tambin llamados


    atributos pick & mix)
    Seleccionar preprocess, y pulsar Choose en Filter. De
    entre todos los filtros posibles elegimos
    Unsupervised.Attribute.Addexpression
    modificar la opcin expression, asignandole el valor
    a5/a6 (a5 corresponde a K y a6 corresponde a NA),
    y la opcin name, donde colocamos el nombre del
    nuevo atributo Na_to_Ka.

    Ejemplo Dos - Seleccin de Frmaco

    Aceptamos con OK, y una vez configurado el filtro lo


    empleamos con apply.
    A continuacin, volvemos a aprender un rbol de
    decisin J48 utilizando otra vez todos los datos para
    la evaluacin.
    Atencin que debemos indicarle que la clase es el
    atributo drugs !!! ya que por defecto toma la clase
    como el ltimo atributo.

    También podría gustarte