Department of Computer Science, University of Waikato, New Zealand Eibe Frank WEKA: A Machine Learning Toolkit The Explorer Classification and Regression.

Department of Computer Science, University of Waikato, New Zealand Eibe Frank WEKA: A Machine Learning Toolkit The Explorer Classification and Regression Clustering Association Rules Attribute Selection Data Visualization The Experimenter The Knowledge Flow GUI Conclusions Machine Learning with WEKA http://maya.cs.depaul.edu/~classes/ect584/WEKA/index.html http://archive.ics.uci.edu/ml/http://archive.ics.uci.edu/ml/ DATASETS

4/17/2015University of Waikato2 WEKA: el pájaro Copyright: Martin Kramer (mkramer@wxs.nl)

4/17/2015University of Waikato3 WEKA: el programa Software para máquinas de aprendizaje/minerías de datos en Java (distribuido bajo GNU Public License) Usado para investigación, educación y aplicaciones Complementa el libro “Data Mining” by Witten & Frank Principales características:  Abarca conjunto de herramientas para el preprocesamiento de datos, algoritmos de aprendizaje y métodos de evaluación.  Interfaces gráficas incluyendo visualización de datos  Posibilidad de comparar algoritmos de aprendizaje.

4/17/2015University of Waikato4 WEKA: versiones Varias versiones de WEKA:  WEKA 3.0: “book version” compatible con la descripción en el libro de minería de datos.  WEKA 3.2: “GUI version” con interfaces de usuario gráficas.(la versión de libro esta orientada a linea de comandos solamente)  WEKA 3.3: “versión de desarrollo” con muchas mejoras Estas presentaciones están basadas en snapshots de WEKA 3.3 (WEKA 3.4, 3.5, 3.6)

4/17/2015University of Waikato5 @relation heart-disease-simplified @attribute age numeric @attribute sex { female, male} @attribute chest_pain_type { typ_angina, asympt, non_anginal, atyp_angina} @attribute cholesterol numeric @attribute exercise_induced_angina { no, yes} @attribute class { present, not_present} @data 63,male,typ_angina,233,no,not_present 67,male,asympt,286,yes,present 67,male,asympt,229,yes,present 38,female,non_anginal,?,no,not_present... WEKA solo trabaja con archivos “planos ”

4/17/2015University of Waikato6 @relation heart-disease-simplified @attribute age numeric @attribute sex { female, male} @attribute chest_pain_type { typ_angina, asympt, non_anginal, atyp_angina} @attribute cholesterol numeric @attribute exercise_induced_angina { no, yes} @attribute class { present, not_present} @data 63,male,typ_angina,233,no,not_present 67,male,asympt,286,yes,present 67,male,asympt,229,yes,present 38,female,non_anginal,?,no,not_present... WEKA solo trabaja con archivos “planos

4/17/2015University of Waikato7

4/17/2015University of Waikato8 LINEA DE COMANDOS

4/17/2015University of Waikato10 Explorer: pre-procesamiento de datos Los datos pueden ser importados de varios formatos: ARFF, CSV, C4.5, binary Los datos pueden ser leídos desde un URL o desde una base de datos SQL (usando JDBC) Las herramientas de preprocesamiento en WEKA se llaman “filters”(filtros) WEKA contiene filters para:  Discretización, normalización, muestreo (resampling), selección de atributos, transformación y combinación de atributos, …

4/17/2015University of Waikato32 Explorer: construcción de “clasificadores” Clasificadores en WEKA son modelos de predicción con valores nominales o numéricos Los esquemas de aprendizaje implementados incluyen:  Listas y árboles de Decisión, clasificadores basados en instancias, máquinas de soporte de vectores(SVM), perceptrón multi-capa, regresión logística, redes de Bayes, … Incluye “Meta”-clasificadores:  Bagging, boosting, stacking, códigos de correción de salida de error, aprendizaje localmente evaluado…

4/17/2015University of Waikato51 Kappa Kappa Statistics: an index which compares the agreement against that which might be expected by chance. Kappa can be thought of as the chance-corrected proportional agreement, and possible values range from +1 (perfect agreement) via 0 (no agreement above that expected by chance) to -1 (complete disagreement). Hypothetical Example: 29 patients are examined by two independent doctors (see Table). 'Yes' denotes the patient is diagnosed with disease X by a doctor. 'No' denotes the patient is classified as no disease X by a doctor. Kappa = (Observed agreement - Chance agreement)/(1 - Chance agreement) Observed agreement = (10 + 12)/29 = 0.76 Chance agreement = 0.586 * 0.345 + 0.655 * 0.414 = 0.474 Kappa = (0.76 - 0.474)/(1 - 0.474) = 0.54 Doctor A NoYesTotal Doctor B No10(34.5%)7(24.1%)17 (58.6%) Yes0(0%)12 (41.4%) Total10(34.5%)19 (65.5%)29

4/17/2015University of Waikato52 Otros evaluadores recall: The number of correct but missed locations ina body of text or correct but not returned search results for a user's query. Recall is also widely used in evaluating other types of automatic systems. Typically expressed as a fraction such that a recall of 0.7 means that seven in ten of the possible correct answers were found. F-measure: The harmonic mean of precision and recall. F-measure is widely used to evaluate the quality of automated systems. F-measure is a function of confidence cutoff. To compute F-measure, one must first devise a ground truth set of information against which the automated system's output is compared.

4/17/2015University of Waikato94 Explorer: clustering data WEKA contiene “clusterers” para encontrar grupos de instancias similares en un conjunto de datos Esquemas implementados:  k-Means, EM, Cobweb, X-means, FarthestFirst Los Clusters se pueden visualizar y comparar con “true” clusters (si son dados) Evaluación basada en “loglikelihood” si el esquema de clustering produce una distribución de probabilidad

4/17/2015University of Waikato110 Explorer: Encontrando asociaciones WEKA contiene una implementación del algoritmo Apriori para aprendizaje de reglas de asociación  Trabaja solamente con datos discretos Puede identificar dependencias estadísticas entre grupos de atributos:  milk, butter  bread, eggs (con confianza 0.9 y soporte de 2000) Apriori puede calcular todas las reglas que tienen un soporte mínimo y excedan una confianza dada.

4/17/2015University of Waikato111 Reglas de Asociación If humedad=normal and viento=no Then clase=P 4/4 If humedad=normal and clase=P Then viento=no 4/6 If viento=no and clase=P Then humedad=normal 4/6 If humedad=normal Then viento=no and clase=P 4/7 If viento=no Then clase=P and humedad=normal 4/8 If clase=P Then viento=no and humedad=normal 4/9 If true Then humedad=normal and viento=no and clase=P 4/12 Si pensamos en 100% de éxito, entonces sólo la primera regla cumple.

4/17/2015University of Waikato112 De hecho existen 58 reglas considerando la tabla completa que cubren al menos dos ejemplos con un 100% de exactitud (exaccuracy). El proceso es mas o menos el siguiente y sigue dos pasos (Apriori, Agrawal et al. '94): Genera todas los items sets con un elemento. Usa estos para generar los de dos elementos, y así sucesivamente. Se toman todos los posibles pares que cumplen con las medidas mínimas de soporte. Esto permite ir eliminando posibles combinaciones ya que no todas se tienen que considerar. Genera las reglas revisando que cumplan con el criterio mínimo de confianza.

4/17/2015University of Waikato120 Explorer: Selección de atributos El Panel puede ser usado para investigar cual o cuales subconjuntos de atributos son los más predictivos Métodos de selección de atributos contienen dos partes:  Un método de búsqueda: best-first, forward selection, random, exhaustivo, algoritmos genéticos, ranking  Un método de evaluación: basados en correlación, wrapper, ganancia de información, chi-cuadrado, … Flexible: WEKA permite (casi) combinaciones arbitrarias de estas dos

4/17/2015University of Waikato129 Explorer: visualización de datos Visualización muy útil : ayuda a determinar la dificultad de un problema para el aprendizaje de un problema WEKA puede visualizar atributos simples en (1-d) y pares de atributos en (2-d)  Para hacerlo: rotando en visualizaciones 3-d (estilo Xgobi) Valores de clases por color “Jitter” opción para trabajar con atributos nominales (y detectar puntos “escondidos”) Función “Zoom-in”

4/17/2015University of Waikato130 Visualización Muestra la distribución de todos los atributos en 2D Representa en los ejes todos los posibles pares de combinaciones de los atributos. Este modo nos permite ver correlaciones y asociaciones entre los atributos.

4/17/2015University of Waikato143 Realizando experimentos El Experimentador hace fácil comparar el comportamiento de los diferentes esquemas de aprendizaje. Problemas de clasificación y regresión Los resultados pueden ser escritos a un archivo o una base de datos Opciones de evaluación: cross-validation, curvas de aprendizaje, hold-out Puede iterar al definirse diferentes parámetros Prueba de significancia incorporada!

4/17/2015University of Waikato157 El flujo del conocimiento con GUI Nueva interface gráfica para WEKA interface basada en Java-Beans para definir, ejecutar experimentos de máquinas de aprendizaje. Las pestañas Data sources, classifiers, etc. son beans que se pueden conectar gráficamente Digamos que los datos fluyen a través de los componentes: e.g.,“data source” -> “filter” -> “classifier” -> “evaluator” Los experimentos pueden ser guardados y cargados

4/17/2015University of Waikato178 Conclusion: try it yourself! WEKA esta disponible en http://www.cs.waikato.ac.nz/ml/weka  Se tienen una lista de proyectos basados en WEKA  Quienes han contribuido WEKA : Abdelaziz Mahoui, Alexander K. Seewald, Ashraf M. Kibriya, Bernhard Pfahringer, Brent Martin, Peter Flach, Eibe Frank,Gabi Schmidberger,Ian H. Witten, J. Lindgren, Janice Boughton, Jason Wells, Len Trigg, Lucio de Souza Coelho, Malcolm Ware, Mark Hall,Remco Bouckaert, Richard Kirkby, Shane Butler, Shane Legg, Stuart Inglis, Sylvain Roy, Tony Voyle, Xin Xu, Yong Wang, Zhihai Wang

Department of Computer Science, University of Waikato, New Zealand Eibe Frank WEKA: A Machine Learning Toolkit The Explorer Classification and Regression.

Presentaciones similares

Presentación del tema: "Department of Computer Science, University of Waikato, New Zealand Eibe Frank WEKA: A Machine Learning Toolkit The Explorer Classification and Regression."— Transcripción de la presentación:

Presentaciones similares

Sobre el proyecto

Feedback

Iniciar la sesión

Autorizarse a través de una red social:

Department of Computer Science, University of Waikato, New Zealand Eibe Frank WEKA: A Machine Learning Toolkit The Explorer Classification and Regression.

Presentaciones similares

Presentación del tema: "Department of Computer Science, University of Waikato, New Zealand Eibe Frank WEKA: A Machine Learning Toolkit The Explorer Classification and Regression."— Transcripción de la presentación:

Presentaciones similares

Sobre el proyecto

Feedback