1 / 6

Exercício 1

Exercício 1. Rodar o algoritmo de classificação J4.8 do Weka variando: o parâmetro M(2, 4, 5) para o melhor valor de M encontrado, variar os métodos de teste: cross-validation (2 valores) % split anotar o número de exemplos classificados corretamente e incorretamente em cada caso

rhonda
Download Presentation

Exercício 1

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Exercício 1 • Rodar o algoritmo de classificação J4.8 do Weka variando: • o parâmetro M(2, 4, 5) • para o melhor valor de M encontrado, variar os métodos de teste: • cross-validation (2 valores) • % split • anotar o número de exemplos classificados corretamente e incorretamente em cada caso • Escolher um dos arquivos: iris, viajar ou lentes

  2. Exercício 2 • Rodar o algoritmo de regressão (árvores) M5P do Weka variando os parâmetros • R – para gerar árvore de regressão com valores numéricos nas folhas • N – árvore com e sem processo de poda M – número mínimo de instâncias (4, 8) • anotar para cada caso : • o valor do erro médio absoluto • Número de regras • Usar o arquivo carros, completando as informações para gerar o arquivo auto_mpg_menor.txt, transformando antes para .arff

  3. Dados • Auto.mpg reduzido: 120 exemplos • atributos: • número de cilindros (categórico: 3, 4, 6, 8) • deslocamento (numérico) • potência (numérico) • peso (numérico) • ano (categórico: 70.71, 72, 73, 74) • aceleração (numérico) • origem (categórico: 1, 2, 3) • consumo (numérico)

  4. Exercício 3 • Rodar o algoritmo de regressão (regras) M5Rules do Weka variando os parâmetros • R – para gerar regras de regressão com valores numéricos nas classes • N – árvore com e sem processo de poda M – número mínimo de instâncias (4, 8) • anotar para cada caso : • o valor do erro médio absoluto • Número de regras • Usar o arquivo carros, completando as informações para gerar o arquivo auto_mpg_menor.txt, transformando antes para .arff

  5. Exercício 4 • Executar o algoritmo de agrupamento SimpleKMeans do WEKA, • com números diferentes de clusters (2, 3,5) • Para cada um dos casos relatar os centróides encontrados para os arquivos: • exemplo_clustering.arff • viajar.arff

  6. Exercício • Executar o algoritmo Apriori do Weka, para os conjuntos de dados: • carros_3V.arff • viajar.arff • (aplicar discretização dos dados – algoritmo Apriori só aceita atributos nominais • Para cada um dos conjuntos de dados, descrever as 3 melhores regras e explicar seu significado

More Related