Parte-9-Redes Neurais No WEKA

Redes Neurais
WEKA
http://www.cs.waikato.ac.nz/ml/weka/
http//www.ica.ele.puchttp//www.ica.ele.puc-rio.br/birio.br/bi-master
Redes Neurais no WEKA
Introduo ao WEKA
Base
Benchmark
Estudo de Casos
Anlise
de Crdito Bancrio
Redes Neurais no Weka

WEKA (Waikaito Environment for
Knowledge Analysis).
Weka uma ave que existe somente na

Nova Zelndia.
Weka uma sistema escrito em Java.

Ateno: se o seu computador no tiver java
baixar a verso weka with Java (caso contrrio
no roda!).
WEKA

- Arquivos possuem extenso .ARFF
- Interface gr
grfica chamada de Explorer de f
fcil utiliza
utilizao pelo
usu
usurio.
- Explorer fornece uma gama de alternativas para investigar o
conjunto de dados.
-Na janela de entrada do Weka Explorer existem 6 cones
principais no topo: a) prepre-processamento; b) classifica
classificao;
o;
c) agrupamento;
agrupamento; d) associa
associao; e) sele
seleo de atributos;
atributos;
f) visualiza
visualizao.
o.

Arquivo . ARFF

Arquivo . ARFF

a) Pr-processamento:
- onde se abre o arquivo de dados: open file date nome do
arquivo em .ARFF
- Current relation: fornece o nmero de exemplos e atributos.
(para o arquivo Weather tem-se 14 exemplos e 5 atributos).
- Pode-se selecionar o atributo e interpretar o seu histograma.
WEKA

Caso: exerccio em aula (arquivo Iris)
- 150 exemplos;
- 5 atributos: sepallength; sepalwidh; petallength;
petawidh; class.
- classificao: Iris-setosa;
Iris-versicolor;
Iris-virginica.
- Neste exemplo existe 1 classe linearmente separvel e
2 classes no linearmente separveis.

- cone principal visualize:

cone principal visualize (permite visualizar o
conjunto de dados em si e no os resultados de uma
classificao e de clusterizao):
- Plot size (altera o tamanho da caixa)
- Point size (tamanho dos pontos)
- Jitter (mexe na disperso dos pontos)
Ateno:
No caso de classificao (exemplo Iris), as classes j so
conhecidas, podendo-se utilizar um algoritmo de treinamento
supervisionado - Multilayer Perceptron.
(classify choose functions multilayer perceptron)
WEKA
WEKA

Validao cruzada:
Exemplo
Por exemplo, para 150 observaes, faz-se 10 grupos de 15. Pega-se 9
para treinar a rede e 1 para validar o modelo. A idia do procedimento
consiste em criar grupos e combin-los vrias vezes.
I, II, III, IV.

Treinamento versus validao
I, II, III
I, II IV
IV
III

Validao cruzada: exemplo
Redes Neurais no WEKA
Introduo ao WEKA
Base
Benchmark
Estudo de Casos
Anlise
de Crdito Bancrio
Anlise de Crdito Bancrio

A base de dados contm 2077
exemplos de crditos concedidos.
Possui 11 atributos de entrada e 2
classes de sada.
sada
A sada indica se o cliente pagou o
emprstimo (=1) ou se no pagou (=0).
10

Os 11 atributos de entrada so:
ESTC
NDEP
RENDA
TIPOR
VBEM
NPARC
VPARC
TEL
IDADE
RESMS
ENTRADA
Estado civil
Nmero de dependentes
Renda familiar
Tipo de Residncia (0=alugada,1=prpria,2=parentes)
O valor do bem a ser adquirido
O nmero de parcelas a serem pagas
O valor de cada parcelas
Possui telefone (0=no e 1=sim)
Quantos anos a pessoa tem
Tempo de moradia (em ms)
O valor da primeira parcela no dia da compra

Estado Civil
Nmero de Dependentes
Renda Familiar
Tipo de Residncia
Valor do Emprstimo
Cliente Pagador
Nmero de Parcelas
Valor da Parcela
Cliente No-Pagador
Possui Telefone
Idade
Tempo de Moradia
Valor da Entrada
11

Amostra da Base de Dados:
ESTC
NDEP
RENDA
TIPOR
VBEM
NPARC
VPARC
TEL
IDADE
RESMS
ENTRADA
CLASSE_1
CLASSE_2
0
0
0
0
1
0
0
0
0
0
0
1
0
0
0
1
0
0
0
0
2
1
0
0
0
2
0
0
0
0
0
2
0
0
0
0
2
0
350
580
500
2000
411
500
500
800
300
554
332
342
632
600
800
480
1300
868
300
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
468
349
828
309
390
614
347
359
309
429
593
453
365
587
495
460
349
567
399
10
10
18
6
12
10
4
6
6
10
4
10
6
10
15
3
10
10
10
65
51
89
66
55
81
101
76
66
60
100
59
78
89
59
135
51
78
55
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
33
30
29
29
40
59
44
51
30
46
44
52
49
44
50
59
45
39
29
6
6
6
6
0
6
6
6
6
6
215
6
6
60
6
6
6
6
6
0
0
0
0
0
0
0
0
0
0
198
0
0
0
0
100
0
0
0
0
1
0
1
1
1
1
1
0
1
1
1
1
1
0
1
1
1
1
1
0
1
0
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0

A partir da base de dados original, foram criadas:
3 bases para treinamento, escolhidas
aleatoriamente a partir da base original, com
1500 exemplos.
3 bases para teste com 577 exemplos.
12

Abra o arquivo treino01.arff no WEKA.
Verifique se os todos os exemplos
(instncias) foram corretamente carregadas.
Analise os histogramas dos atributos de
entrada. Que comentrio pode ser feito a
respeito do nmero de dependentes
(NDEP)?

Treine e teste (com o respectivo conjunto de
teste) cada uma das bases de dados.
Faa variaes nos seguintes parmetros:
Normalizao
Nmero de processadores na camada escondida
Nmero de pocas de treinamento
Taxa de aprendizado
Termo de momento
Validao cruzada
13

No caso do atributo Nmero de
Dependentes,
Dependentes deve-se alterar os
valores para:
0 dependentes
1 ou mais dependentes.
Utilize o filtro MergeTwoValues.

14

Parte-9-Redes Neurais No WEKA

Hochgeladen von

Dokumentinformationen

Originalbeschreibung:

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Parte-9-Redes Neurais No WEKA

Hochgeladen von

Copyright:

Verfügbare Formate

Redes Neurais

Redes Neurais no WEKA

Redes Neurais no Weka

Weka uma ave que existe somente na

Weka uma sistema escrito em Java.

Redes Neurais no Weka

Redes Neurais no Weka

Redes Neurais no Weka

Redes Neurais no Weka

Redes Neurais no Weka

Redes Neurais no Weka

Redes Neurais no Weka

Redes Neurais no Weka

Redes Neurais no Weka

I, II, III, IV.

Redes Neurais no Weka

Redes Neurais no Weka

Redes Neurais no WEKA

Anlise de Crdito Bancrio

Anlise de Crdito Bancrio

Anlise de Crdito Bancrio

Anlise de Crdito Bancrio

Anlise de Crdito Bancrio

Anlise de Crdito Bancrio

Anlise de Crdito Bancrio

Anlise de Crdito Bancrio

Utilize o filtro MergeTwoValues.

Das könnte Ihnen auch gefallen