Introduction à Weka

1. DÉPARTEMENT DE GÉNIE LOGICIEL ET DES TI LOG770 - SYSTÈMES INTELLIGENTS ÉTÉ 2012 Introduction à Weka Enseignant : Christian Desrosiers Chargée de laboratoire : Faten M’hiri

2. Classification ou clustering ?

3. Classification • Collecter les données : • Données d’apprentissage : pour entraîner le classifieur • Données de tests : pour évaluer le classifieur • Choisir l’ensemble de caractéristiques pour les décrire (descripteurs) • Sélectionner d’un algorithme de classification supervisé • Entraîner le classifieur (avec les données d’apprentissage) • Évaluer la performance du classifieur (avec les données de test)

4. Introduction à Weka • Logiciel d’apprentissage machine : • Traitement de données • Forage de données • Comparaison d’algorithmes • Etc. • Site web: http://www.cs.waikato.ac.nz/ml/weka/index.html

5. Introduction à Weka • Lancer le logiciel • Choisir mode « Explorer » • GUI : Open File • Sélectionner le fichier : « Weka/data/weather.arff »

6. Exemple : weather.arff • ARFF (Attribute-Relation File Format) : • Caractéristiques décrivant la météo: @relation weather @attribute outlook {sunny, overcast, rainy} @attribute temperature real @attribute humidity real @attribute windy {TRUE, FALSE} @attribute play {yes, no}

7. Exemple : weather.arff • ARFF (Attribute-Relation File Format) (suite) : • Ensemble de données : @data sunny,85,85,FALSE,no sunny,80,90,TRUE,no overcast,83,86,FALSE,yes rainy,70,96,FALSE,yes rainy,68,80,FALSE,yes rainy,65,70,TRUE,no overcast,64,65,TRUE,yes sunny,72,95,FALSE,no sunny,69,70,FALSE,yes rainy,75,80,FALSE,yes sunny,75,70,TRUE,yes overcast,72,90,TRUE,yes overcast,81,75,FALSE,yes rainy,71,91,TRUE,no

8. Utilisation du GUI :Exemple No No Yes Yes Yes Sunny Overcast Rainy

9. Utilisation du GUI : Exemple choisir l’algorithme J48 dans la section Trees

10. Liens • http://www.cs.waikato.ac.nz/ml/weka/index.html • http://www.dataminingtools.net/browsetutorials.php?tag=weka • http://aqualonne.free.fr/Teaching/csc/DM.pdf