Api-Weka

Tutorial. Uso b´sico del API de WEKA a
MRA, 2010/11 13 de junio de 2011

´ Indice
1. Introducci´n o 1.1. Listado de paquetes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2. Referencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3. C´digo de ejemplo (para Weka 3.6.x) . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . o 2. Clases b´sicas: datasets, atributos a 2.1. Clase Instances . . . . . . . . . . 2.2. Clase Attribute . . . . . . . . . . 2.3. Clase Instance . . . . . . . . . . e instancias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . 1 1 3 3 3 3 4 4 5 6 7 7 7

3. Uso de filtros 3.1. StringToWordVector . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4. Algoritmos de clasificaci´n o 5. Algoritmos de clustering 6. Selecci´n de atributos o

1.

Introducci´n o

Todas las funcionalidades disponibles en los distintos interfaces gr´ficos (GUIs) de WEKA puedenser usadas a desde c´digo Java, junto con algunas otras no accesibles directamente desde el GUI (normalmente funciones de o bajo nivel).

1.1.

Listado de paquetes
weka.core: Paquete con las clases e interfaces que conforman la infraestuctura de WEKA. Son comunes a los distintos algoritmos implementados en WEKA. • Define las estructuras de datos que contienen los datos a manejar por losalgoritmos de aprendizaje ◦ Clase Instances: encapsula un dataset (conjunto de datos) junto con los m´todos para manejarlo e (creaci´n y copia, divisi´n en subdatasets [entrenamiento y prueba], aleatorizaci´n, gesti´n de o o o o pesos, ...) ◦ Clase Attribute: encapsula los atributos que definen un dataset (nombre de atributo, tipo [nominal, num´rico, string], valores posibles). e ◦ Clase Instance:encapsula cada uno de los ejemplos individuales que forman un dataset, almacenando los valores de los respectivos atributos. • Clase auxiliar FastVector: implementaci´n eficiente de los Vector de Java o • Subpaquete weka.core.converters: clases auxilares para leer y escribir datasets desde distintas fuentes de datos (ficheros ARFF, bases de datos, etc)

1

• Subpaquete weka.core.neighboursearch:implementaciones de algoritmos y estrucutras de datos para la b´squeda eficiente a instancias similares (”vecinas”) u weka.classifiers: Paquete con las implementaciones de algoritmos de clasificaci´n (tanto a m´todos de o e clasificaci´n discreta como de predicci´n num´rica). o o e • Subpaquetes: weka.classifiers.bayes,weka.classifiers.rules, weka.classifiers.lazy, weka.classifiers.trees,weka.classifiers.functions, weka.classifiers.meta, etc • Clase abstracta Classifier: m´todos comunes a todos los clasificadores e weka.clusterers: Paquete con las implementaciones de algorimtos de clustering. • Clase abstracta AbstractClusterer: m´todos comunes a todos los algoritmos e • Clase ClusterEvaluation: evaluador de clusters weka.attributeSelection: Paquete con m´todos de selecci´n de atributos. e o • El proceso deselecci´n de atributos involucra 2 tipos de clases: o 1. Evaluadores de atributos: heredan de la clase abstracta: ASEvaluation. Son de 2 tipos ◦ miden la relevancia de atributos aislados ◦ miden la relevancia de combinaciones de 2 o m´s atributos a 2. M´todos de b´squeda (selectores): algoritmos de b´squeda que empleando los evaluadores usan e u u diversas estrategias para comprobar la bondad dedistintas combinaciones de atributos (los m´s a simples s´lo hacen un ranking). Heredan de la clase abstracta: ASSearch o • Clase AttributeSelection: Encapsula el proceso de selecci´n de atributos relevantes, combinando o un evaluador y un selector. weka.filters: Paquete con diversos filtros para procesar los datos. Normalmente son usados para preprocesar los datos de entrenamiento/evaluaci´n...