Karar Ağacı İçin WEKA Veri Kümesi, Sınıflandırıcı ve J48 Algoritması

weka dataset classifier

Bu eğitimde Karar Ağacı için WEKA Veri Kümesi, Sınıflandırıcı ve J48 Algoritması açıklanmaktadır. Ayrıca Weka için örnek ARFF veri kümeleri hakkında bilgi sağlar:

İçinde Önceki eğitim , Weka Machine Learning aracı, özellikleri ve Weka Machine Learning yazılımının nasıl indirileceğini, kurulacağını ve kullanılacağını öğrendik.

WEKA, gerçek veriler üzerindeki veri madenciliği problemlerini çözmek için bir makine öğrenimi algoritmaları kütüphanesidir. WEKA ayrıca birçok makine öğrenimi algoritması geliştirmek için bir ortam sağlar. Veri sınıflandırması, veri kümeleme, regresyon, öznitelik seçimi, sık öğe seti madenciliği ve benzeri gibi çeşitli veri madenciliği görevlerini gerçekleştirmek için bir dizi araca sahiptir.

Tüm bu görevler WEKA deposunda bulunan sample.ARFF dosyası üzerinde gerçekleştirilebilir veya kullanıcılar veri dosyalarını hazırlayabilir. Örnek .arff dosyaları, araştırmacılar tarafından toplanan yerleşik geçmiş verilere sahip veri kümeleridir.

=> Eksiksiz Makine Öğrenimi Eğitim Serisini Okuyun

Bu eğiticide, WEKA'da bazı örnek veri kümelerini göreceğiz ve ayrıca weather.arff veri kümesini kullanarak karar ağacı algoritması veri madenciliği gerçekleştireceğiz.

Ne öğreneceksin:

• WEKA Veri Kümelerini Keşfetme
  • Örnek WEKA Veri Kümeleri
    • kontakt lens.arff
    • iris.arff
    • diabetes.arff
    • ionosphere.arff
    • Regresyon Veri Kümeleri
  • Gerçek Değerli ve Nominal Nitelikler Nelerdir
• Weka Karar Ağacı Sınıflandırma Algoritmaları
  • Karar Ağacı Nedir
  • J48 Sınıflandırıcı
• Sonuç
  • Önerilen Kaynaklar

WEKA Veri Kümelerini Keşfetme

WEKA makine öğrenimi aracı, bazı örnek veri kümelerinin bir dizinini sağlar. Bu veri kümeleri, kullanıcıların hemen model geliştirmeye başlaması için doğrudan WEKA'ya yüklenebilir.

WEKA veri kümeleri, 'C: Program Files Weka-3-8 data' bağlantısından incelenebilir. Veri kümeleri .arff biçimindedir.

Örnek WEKA Veri Kümeleri

WEKA'da bulunan bazı örnek veri kümeleri aşağıdaki tabloda listelenmiştir:

Şunlardan bazılarına bir göz atalım:

kontakt lens.arff

contact-lens.arff veri seti, kontakt lenslerin takılması için bir veritabanıdır. Bağışçı Benoit Julien tarafından 1990 yılında bağışlandı.

Veri tabanı: Bu veritabanı tamamlandı. Bu veri tabanında kullanılan örnekler eksiksiz ve gürültüsüzdür. Veritabanının 24 örneği ve 4 özniteliği vardır.

Öznitellikler: Dört niteliğin tümü nominaldir. Eksik öznitelik değeri yoktur. Dört nitelik aşağıdaki gibidir:

# 1) Hastanın yaşı: Öznitelik yaşı şu değerleri alabilir:

• genç
• presbiyop öncesi
• presbiyopik

#iki) Gözlük reçetesi: Bu özellik şu değerleri alabilir:

• miyop
• hipermetrop

# 3) Astigmatik: Bu özellik değer alabilir

• yapma
• Evet

# 4) Gözyaşı üretim oranı: Değerler

• indirgenmiş
• normal

Sınıf: Burada üç sınıf etiketi tanımlanmıştır. Bunlar:

• hastaya sert kontakt lens takılmalıdır.
• hastaya yumuşak kontakt lens takılmalıdır.
• hastaya kontakt lens takılmamalıdır.

Sınıf Dağılımı: Sınıf etiketlerinde sınıflandırılan örnekler aşağıda listelenmiştir:

iris.arff

iris.arff veri kümesi 1988'de Michael Marshall tarafından oluşturuldu. Iris Plants veritabanıdır.

c c ++ ve java arasındaki fark

Veri tabanı: Bu veritabanı, örüntü tanıma için kullanılır. Veri kümesi 50 örnekten oluşan 3 sınıf içerir. Her sınıf bir tür iris bitkisini temsil eder. Bir sınıf diğer 2'den doğrusal olarak ayrılabilir, ancak ikincisi birbirinden doğrusal olarak ayrılamaz. Gözlemin 3 iris çiçeğinin hangi türlerine ait olduğunu tahmin eder. Buna çok sınıflı bir sınıflandırma veri kümesi denir.

Öznitellikler: 4 sayısal, tahmin niteliği ve sınıfı vardır. Eksik nitelik yoktur.

Nitelikler şunlardır:

• Cm cinsinden sepal uzunluk
• Cm cinsinden sepal genişlik
• cm cinsinden petal uzunluğu
• cm olarak petal genişliği
• sınıf:
  • Iris Setosa
  • Iris Versicolor
  • Iris Virginica

Özet İstatistikler:

Sınıf Dağılımı: 3 sınıfın her biri için% 33,3

Diğer bazı Veri Kümeleri:

diabetes.arff

Bu veri setinin veritabanı Pima Indians Diabetes'dir. Bu veri seti, hastanın önümüzdeki 5 yıl içinde diyabetik olmaya yatkın olup olmadığını tahmin eder. Bu veri kümesindeki hastaların tümü, Pima Indian Heritage'daki en az 21 yaşındaki kadınlardır. 768 örneği ve 8 sayısal özelliği ve ayrıca bir sınıfı vardır. Bu, tahmin edilen çıktı değişkeninin iki sınıftan oluşan nominal olduğu bir ikili sınıflandırma veri kümesidir.

ionosphere.arff

Bu, ikili sınıflandırma için popüler bir veri kümesidir. Bu veri kümesindeki örnek, atmosferden gelen radar dönüşlerinin özelliklerini açıklamaktadır. İyonosferin nerede bir yapıya sahip olup olmadığını tahmin etmek için kullanılır. 34 sayısal özelliği ve bir sınıfı vardır.

Sınıf özniteliği, 34 öznitelik gözlemine dayalı olarak tahmin edilen 'iyi' veya 'kötü' dür. Alınan sinyaller, bağımsız değişken olarak zaman atımı ve darbe numarasını alan otokorelasyon fonksiyonu tarafından işlenir.

Regresyon Veri Kümeleri

Regresyon veri kümeleri WEKA web sayfasından indirilebilir ' Veri kümesi koleksiyonları ”. Farklı kaynaklardan elde edilen 37 regresyon problemi vardır. İndirilen dosya, .arff formatında regresyon veri kümeleriyle sayısal / dizin oluşturacaktır.

Dizinde bulunan popüler veri kümeleri şunlardır: Longley ekonomik veri kümesi (longley.arff), Boston ev fiyatı veri kümesi (Housing.arff) ve memelilerde uyku veri kümesi (sleep.arff).

Şimdi WEKA gezgini kullanarak veri kümesindeki gerçek değerli ve nominal öznitelikleri nasıl belirleyeceğimizi görelim.

Gerçek Değerli ve Nominal Nitelikler Nelerdir

Gerçek değerli öznitelikler, yalnızca gerçek değerleri içeren sayısal özniteliklerdir. Bunlar ölçülebilir miktarlardır. Bu özellikler, ortalama, medyan gibi ölçeklenmiş sıcaklık veya oran gibi aralık ölçeklendirilebilir.

Nominal özellikler, isimleri veya şeylerin bazı temsillerini temsil eder. Bu tür niteliklerde sıra yoktur ve bir kategoriyi temsil ederler. Örneğin, renk.

Veri kümesindeki gerçek değerleri ve nominal öznitelikleri tanımlamak için WEKA'yı kullanmak için aşağıda listelenen adımları izleyin.

# 1) WEKA'yı açın ve 'Uygulamalar' altından 'Explorer' ı seçin.

#iki) 'Ön İşlem' sekmesini seçin. 'Dosya Aç' a tıklayın. WEKA kullanıcısı ile WEKA örnek dosyalarına erişebilirsiniz.

# 3) Yerel sistemde depolanan WEKA3.8 klasöründen girdi dosyasını seçin. Önceden tanımlanmış .arff dosyası “credit-g.arff” dosyasını seçin ve “Aç” üzerine tıklayın.

# 4) Sol panelde bir öznitelik listesi açılacaktır. Seçilen özellik istatistikleri, histogramla birlikte sağ panelde gösterilecektir.

Veri kümesinin analizi:

Sol panelde mevcut ilişki şunları gösterir:

• İlişki adı: german_credit örnek dosyadır.
• Örnekler: Veri kümesindeki 1000 veri satırı sayısı.
• Öznitellikler: Veri kümesindeki 21 öznitelik.

Mevcut ilişkinin altındaki panel, niteliklerin adını gösterir.

Sağ panelde, seçili öznitelik istatistikleri görüntülenir. Seçin 'kontrol_durumu' özniteliği.

Gösteriyor:

• Özniteliğin adı
• Eksik: Veri kümesindeki özniteliğin eksik değerleri. Bu durumda% 0.
• Farklı: Özelliğin 4 farklı değeri vardır.
• Tür: Öznitelik nominal türdendir, yani herhangi bir sayısal değer almaz.
• Miktar: 1000 örnek arasında, her bir farklı sınıf etiketinin sayısı, sayı sütununa yazılır.
• Histogram: Öznitelik için çıktı sınıfı etiketini gösterecektir. Bu veri kümesindeki sınıf etiketi ya iyi ya da kötü. 700 iyi (mavi ile işaretlenmiş) ve 300 kötü (kırmızıyla işaretlenmiş) örnek vardır.
  • Etiket için<0, the instances for good or bad are almost the same in number.
  • Etiket için, 0<= X<200, the instances with decision good are more than instances with bad.
  • Benzer şekilde,> = 200 etiketi için maks. Örnekler iyi durumdadır ve hiçbir kontrol etiketinde karar malına sahip daha fazla örnek yoktur.

Bir sonraki 'süre' özelliği için.

Sağ panel şunları gösterir:

• İsim: Bu, özniteliğin Adıdır.
• Tür: Özniteliğin türü sayısaldır.
• Eksik değer: Özniteliğin herhangi bir eksik değeri yoktur.
• Farklı: 1000 örnekte 33 farklı değere sahiptir. 1000 durumda 33 farklı değere sahip olduğu anlamına gelir.
• Benzersiz: Birbiriyle uyuşmayan 5 benzersiz değere sahiptir.
• Minimum değer: Özelliğin minimum değeri 4'tür.
• Maksimum değer: Özelliğin maksimum değeri 72'dir.
• Anlamına gelmek: Ortalama, örneklere bölünen tüm değerleri toplamaktır.
• Standart sapma: Öznitelik süresinin sapması.
• Histogram: Histogram 4 birimin süresini gösterir, maksimum örnekler iyi bir sınıf için ortaya çıkar. Süre 38 birime yükseldikçe, iyi sınıf etiketleri için örnek sayısı azalır. Süre, kararı kötü olarak sınıflandıran tek bir örneğe sahip 72 birime ulaşır.

Sınıf, nominal tipin sınıflandırma özelliğidir. İki farklı değeri vardır: İyi ve kötü. İyi sınıf etiketinde 700 örnek ve kötü sınıf etiketinde 300 örnek vardır.

Veri kümesinin tüm özniteliklerini görselleştirmek için 'Tümünü Görselleştir' e tıklayın.

# 5) Yalnızca sayısal öznitelikleri bulmak için Filtre düğmesine tıklayın. Oradan tıklayın -> WEKA> FİLTRELER -> Denetlenmeyen Tür -> Türü Kaldır'ı seçin.

WEKA filtreleri, veri kümesinin öznitelik değerlerini algoritmalara uygun hale getirmek için dönüştürmek için birçok işleve sahiptir. Örneğin, niteliklerin sayısal dönüşümü.

Veri kümesinden nominal ve gerçek değerli öznitelikleri süzmek, WEKA süzgeçlerini kullanmanın başka bir örneğidir.

# 6) Filtre sekmesindeki RemoveType'a tıklayın. Bir nesne düzenleyici penceresi açılacaktır. Özellik seçin “Sayısal nitelikleri sil” yazın ve Tamam'a tıklayın.

# 7) Filtreyi uygulayın. Yalnızca sayısal özellikler gösterilecektir.

Class özelliği nominal tiptedir. Çıktıyı sınıflandırır ve dolayısıyla silinemez. Böylelikle sayısal niteliği ile görülür.

Çıktı:

Veri kümesindeki gerçek değerli ve nominal değerler öznitelikleri tanımlanır. Sınıf etiketi ile görselleştirme histogramlar şeklinde görülür.

Weka Karar Ağacı Sınıflandırma Algoritmaları

Şimdi, J48 sınıflandırıcısını kullanarak hava durumu.nominal.arff veri kümesinde karar ağacı sınıflandırmasının nasıl uygulanacağını göreceğiz.

weather.nominal.arff

Doğrudan WEKA'da bulunan örnek bir veri kümesidir. Bu veri kümesi, havanın kriket oynamak için uygun olup olmadığını tahmin eder. Veri kümesinin 5 özniteliği ve 14 örneği vardır. Sınıf etiketi 'oynat' çıktıyı 'evet' veya 'hayır' olarak sınıflandırır.

Karar Ağacı Nedir

Karar Ağacı, üç bileşen kök düğümü, dal (kenar veya bağlantı) ve yaprak düğümünden oluşan sınıflandırma tekniğidir. Kök, farklı öznitelikler için test koşulunu temsil eder, dal, testte olabilecek tüm olası sonuçları temsil eder ve yaprak düğümler, ait olduğu sınıfın etiketini içerir. Kök düğüm, aynı zamanda ağacın tepesi olarak da adlandırılan ağacın başlangıcındadır.

J48 Sınıflandırıcı

C4.5 (ID3'ün bir uzantısı) tarafından oluşturulan bir karar ağacı oluşturmak için bir algoritmadır. Aynı zamanda istatistiksel sınıflandırıcı olarak da bilinir. Karar ağacı sınıflandırması için bir veri tabanına ihtiyacımız var.

Adımlar şunları içerir:

# 1) WEKA kaşifini açın.

#iki) Ön işlem sekmesi seçeneğinin altındaki 'dosya seç' kısmından weather.nominal.arff dosyasını seçin.

# 3) Sınıflandırılmamış verileri sınıflandırmak için 'Sınıflandır' sekmesine gidin. 'Seç' düğmesine tıklayın. Bundan, 'ağaçlar -> J48' i seçin. Ayrıca, Seç düğmesindeki diğer seçeneklere de hızlıca göz atalım:

• Bayes: Sayısal özellikler için bir yoğunluk tahminidir.
• Meta: Çok yanıtlı bir doğrusal regresyondur.
• Fonksiyonlar: Lojistik regresyondur.
• Tembel: Karışım entropisini otomatik olarak ayarlar.
• Kural: Bu bir kural öğrenicidir.
• Ağaçlar: Ağaçlar verileri sınıflandırır.

# 4) Başlat Düğmesine tıklayın. Sınıflandırıcı çıktısı Sağ panelde görülecektir. Panelde çalıştırma bilgilerini şu şekilde gösterir:

• Şema: Kullanılan sınıflandırma algoritması.
• Örnekler: Veri kümesindeki veri satırlarının sayısı.
• Öznitellikler: Veri kümesinin 5 özelliği vardır.
• Yaprak sayısı ve ağacın boyutu karar ağacını tanımlar.
• Modeli oluşturmak için geçen süre: Çıktı zamanı.
• J48'in tam sınıflandırması, öznitelikleri ve örnek sayısı ile budanmıştır.

# 5) Ağacı görselleştirmek için sonuca sağ tıklayın ve ağacı görselleştir'i seçin.

Çıktı :

Çıktı bir karar ağacı biçimindedir. Ana özellik 'görünüm' dür.

Görünüm güneşliyse, daha sonra ağaç nemi daha fazla analiz eder. Nem yüksekse, sınıf etiketi oynatma = 'evet'.

Görünüm kapalıysa, sınıf etiketi, oyun 'evet'. Sınıflandırmaya uyan örnek sayısı 4'tür.

Görünüm yağmurluysa “rüzgarlı” niteliğini analiz etmek için daha fazla sınıflandırma yapılır. Rüzgarlı = doğruysa, oyun = 'hayır'. Görünüm = rüzgarlı ve rüzgarlı = doğru sınıflandırmasına uyan örnek sayısı 2'dir.

Sonuç

WEKA, makine öğrenimi algoritmalarını uygulamak için çok çeşitli örnek veri kümeleri sunar. Kullanıcılar, sınıflandırma, regresyon, öznitelik seçimi, bu örnek veri kümeleri üzerinde ilişkilendirme gibi makine öğrenimi görevlerini gerçekleştirebilir ve ayrıca bunları kullanarak aracı öğrenebilirler.

WEKA gezgini, ön işlemeden başlayarak çeşitli işlevleri gerçekleştirmek için kullanılır. Ön işleme, girdiyi bir .arff dosyası olarak alır, girdiyi işler ve diğer bilgisayar programları tarafından kullanılabilecek bir çıktı verir. WEKA'da ön işlemin çıktısı, veri setinde bulunan ve istatistiksel analiz ve sınıf etiketleri ile karşılaştırma için daha fazla kullanılabilecek nitelikleri verir.

WEKA ayrıca karar ağacı için birçok sınıflandırma algoritması sunar. J48, bir karar ağacı çıkaran popüler sınıflandırma algoritmalarından biridir. Sınıflandır sekmesini kullanarak kullanıcı karar ağacını görselleştirebilir. Karar ağacı çok doldurulmuşsa, ağaç budama Ön İşlem sekmesinden gerekli olmayan öznitelikler kaldırılarak uygulanabilir ve sınıflandırma sürecini yeniden başlatılabilir.

=> Özel Makine Öğrenimi Serisi İçin Burayı Ziyaret Edin

Önerilen Kaynaklar

• Weka Eğitimi - Weka Aracı Nasıl İndirilir, Kurulur ve Kullanılır
• Karar Tablosu Tekniğini Kullanarak Karmaşık İş Mantığı Testi Senaryoları Nasıl Yazılır
• WEKA Explorer: Görselleştirme, Kümeleme, İlişkilendirme Kural Madenciliği
• Veri Madenciliğinde Karar Ağacı Algoritma Örnekleri
• C ++ 'da Karar Verme Yapıları
• C ++ 'da B Ağacı ve B + Ağacı Veri Yapısı
• C ++ 'da İkili Ağaç Veri Yapısı
• C ++ 'da AVL Ağacı ve Yığın Veri Yapısı