O documento discute a biblioteca Weka para mineração de dados, que implementa vários algoritmos de aprendizado de máquina em Java como J48, ID3 e Naive Bayes. Ele também apresenta um exemplo de conjunto de dados sobre prescrição de lentes e os resultados da aplicação do algoritmo J48 para gerar uma árvore de decisão nesse conjunto.

1. 1
1
WEKA
 Biblioteca de algoritmos de Aprendizado de
Máquina implementados em Java
 Paradigmas implementados: estatístico,
instance-based e proposicional. Por exemplo:
J48 (versão Java do C4.5), ID3, Naive Bayes,
entre outros
 Os algoritmos podem ser utilizados
isoladamente ou por uma aplicação Java
escrita pelo usuário
 Pode ser conseguida em:
◦ http://www.cs.waikato.ac.nz/ml/weka

2. 2
@relation lentes.symbolic
@attribute idade {Jovem, Media, Senior}
@attribute prescricao {Miope, Hipermiope}
@attribute astigmatico {Nao, Sim}
@attribute lagrimas {Normal, Reduzida}
@attribute lentes {Lentes_gelatinosas, Sem_lentes,
Lentes_duras}
@data
Jovem,Miope,Nao,Normal,Lentes_gelatinosas
Jovem,Miope,Nao,Reduzida,Sem_lentes
Jovem,Miope,Sim,Normal,Lentes_duras
Jovem,Miope,Sim,Reduzida,Sem_lentes
Jovem,Hipermiope,Nao,Normal,Lentes_gelatinosas
Jovem,Hipermiope,Nao,Reduzida,Sem_lentes
Jovem,Hipermiope,Sim,Normal,Lentes_duras
Jovem,Hipermiope,Sim,Reduzida,Sem_lentes
Media,Miope,Nao,Normal,Lentes_gelatinosas
Media,Miope,Nao,Reduzida,Sem_lentes
Media,Miope,Sim,Normal,Lentes_duras
Media,Miope,Sim,Reduzida,Sem_lentes
Media,Hipermiope,Nao,Normal,Lentes_gelatinosas
Media,Hipermiope,Nao,Reduzida,Sem_lentes
Media,Hipermiope,Sim,Normal,Sem_lentes
Media,Hipermiope,Sim,Reduzida,Sem_lentes
Senior,Miope,Nao,Normal,Sem_lentes
Senior,Miope,Nao,Reduzida,Sem_lentes
Senior,Miope,Sim,Normal,Lentes_duras
Senior,Miope,Sim,Reduzida,Sem_lentes
Senior,Hipermiope,Nao,Normal,Lentes_gelatinosas
Senior,Hipermiope,Nao,Reduzida,Sem_lentes
Senior,Hipermiope,Sim,Normal,Sem_lentes
Senior,Hipermiope,Sim,Reduzida,Sem_lentes

3. 3

4. 4

5. 5
=== Run information ===
Scheme: weka.classifiers.trees.J48 -C 0.25 -M 2
Relation: lentes.symbolic
Instances: 24
Attributes: 5
idade
prescricao
astigmatico
lagrimas
lentes
Test mode: 10-fold cross-validation
=== Classifier model (full training set) ===

6. 6
J48 pruned tree
------------------
lagrimas = Normal
| astigmatico = Nao: Lentes_gelatinosas (6.0/1.0)
| astigmatico = Sim
| | prescricao = Miope: Lentes_duras (3.0)
| | prescricao = Hipermiope: Sem_lentes (3.0/1.0)
lagrimas = Reduzida: Sem_lentes (12.0)
Number of Leaves : 4
Size of the tree : 7
Time taken to build model: 0 seconds
=== Stratified cross-validation ===
=== Summary ===
Correctly Classified Instances 20 83.3333 %
Incorrectly Classified Instances 4 16.6667 %
Kappa statistic 0.71
Mean absolute error 0.1444
Root mean squared error 0.3173
Relative absolute error 38.3858 %
Root relative squared error 73.3306 %
Total Number of Instances 24

7. 7
=== Detailed Accuracy By Class ===
TP Rate FP Rate Precision Recall F-Measure ROC
Area Class
1 0.053 0.833 1 0.909 0.947
Lentes_gelatinosas
0.8 0.111 0.923 0.8 0.857 0.833
Sem_lentes
0.75 0.1 0.6 0.75 0.667 0.819
Lentes_duras
Weighted Avg. 0.833 0.097 0.851 0.833 0.836
0.855
=== Confusion Matrix ===
a b c <-- classified as
5 0 0 | a = Lentes_gelatinosas
1 12 2 | b = Sem_lentes
0 1 3 | c = Lentes_duras

8. 8
15
Trabalho - WEKA
 Grupo: até 2 alunos (uma única entrega por
grupo)
 Entrega no AVA
 Data de entrega: 18/06/2017 às 23h50

9. 9
 Utilizando a ferramenta Weka:
◦ Definir um domínio para representar os
exemplos.
◦ Representar os exemplos no formato de arquivo
do Weka.
◦ Aplicar o algoritmo de árvores de decisão J48 do
Weka para gerar modelo.
◦ Aplicar um algoritmo de regras para gerar outro
modelo.
◦ Comparar os modelos e resultados.
Trabalho a ser entregue e a documentação
necessária :
◦ Arquivo .arff
◦ Arquivo em Word:
 Capa com título do trabalho e nomes dos alunos.
 Definição do domínio.
 Representação da árvore de decisão gerada e das
regras geradas.
 Apresentação dos dois modelos gerados pelo
Weka, comparando resultados, mostrando e
discutindo os erros obtidos.

10. 10
http://archive.ics.uci.edu/ml/
https://www.lendingclub.com/info/download-
data.action
http://repository.seasr.org/Datasets/UCI/arff/
FIM