Laboratorioweka

Universidad Católica del Uruguay
Departamento de Ingeniería Eléctrica
Maestría en Ciencias de la Ingeniería Eléctrica

Reconocimiento de Patrones
Laboratorio usando WEKA

1 Introducción
El objetivode este laboratorio es experimentar con algunos de los métodos de
clasificación vistos a lo largo del curso usando el programa WEKA.

2 Clasificadores a utilizar
Parámetros generales
Se sugiere hacertodos los experimentos con la opción de testeo “Percentage split 66%”.
Esto implica dividir el conjunto de datos en dos conjuntos, uno para entrenamiento
(66%) y el segundo para testeo (33%).
C.1)NaiveBayesSimple: Clasificar de Bayes con características independientes
Este clasificador asume que las características son independientes. Cada una de las
características se modela con una gaussiana yla probabilidad de una clase se calcula
como el producto de las probabilidades de cada una de las características.
C.2) IBk: Clasificador de k vecinos más cercanos (kNN)
Cuando se aplique esteclasificador se sugiere variar el número de vecinos (k)
asignándole valores 1, 3, 5, 7, 11 y 13. Analice además las opciones que ofrece el
clasificador.
C.3) J48: Árbol de decisión que usa el algoritmo C4.5Se sugiere en una primera instancia ejecutar el clasificador con las opciones por defecto.
Una vez que se hayan obtenido los resultados de clasificación visualice el árbol
resultante (para esto debepresionar botón derecho sobre el clasificador usado en la lista
de resultados). Luego puede analizar las opciones del clasificador y experimentar
analizando los resultados de clasificación.

3 Datos autilizar
D.1) iris.arff
@RELATION iris
@ATTRIBUTE
@ATTRIBUTE
@ATTRIBUTE
@ATTRIBUTE
@ATTRIBUTE

sepallength REAL
sepalwidth
REAL
petallength REAL
petalwidth
REAL
class{Iris-setosa,Iris-versicolor,Iris-virginica}

Es un problema supervisado con tres clases de flores y cuatro características. WEKA
interpreta el atributo class como la etiqueta de clase a predecir con el clasificador.

D.2)...