Data Mining: Ferramenta JAVA

1
Data Mining Ferramenta JAVA
2
JAVA para Data Mining

• Weka 3 Data Mining Software em Java
• http//www.cs.waikato.ac.nz/ml/weka/
• Coleção de algoritmos para as tarefas de data
  mining
• Free software.

3
WEKA JAVA para Data Mining

• Os algoritmos podem ser aplicados diretamente a
  um dataset ou chamados de um programa em Java
• O Weka contém ferramentas para o
  pré-processamento de dados, regras de associação,
  classificação, regressão, agrupamento, e
  visualização
• Pode ainda ser utilizado para desenvolver novos
  esquemas de aprendizagem de máquina.

4
WEKA JAVA para Data Mining

• Arquivo .jar
• Uso em linha de comando
• Uso em ambiente de exploração
• Uso em ambiente de experimentação
• Entrada de dados arquivo no formato .arff

5
WEKA JAVA para Data Mining

• Arquivo .arff
• Nome do dataset
• Descrição dos atributos e de seus domínios
• Apresentação das instâncias.
• Bases de dados clássicas (UCI)
• http//archive.ics.uci.edu/ml/

6
WEKA JAVA para Data Mining

• _at_relation paoeleite
• _at_attribute leite yes, no
• _at_attribute cafe yes, no
• ...
• _at_data
• no, yes, no, yes, yes, no, no
• yes, no, yes, yes, yes, no, no
• no, yes, no, yes, yes, no, no
• yes, yes, no, yes, yes, no, no
• no, no, no, no, yes, no, no
• ...

7
WEKA JAVA para Data Mining

• Carga do arquivo
• Análise dos atributos e seus valores
• Indicação de pré-processamento
• Escolha da tarefa de data mining
• Escolha do algoritmo a aplicar
• Acerto dos parâmetros
• Execução
• Análise dos resultados de saída.

8
WEKA JAVA para Data Mining

• Run information
• Scheme weka.associations.Apriori -N 10 -T 0 -C
  0.9 -D 0.05 -U 1.0 -M 0.1 -S -1.0
• Relation paoeleite
• Instances 9
• Attributes 7
• leite
• cafe
• cerveja
• pao
• manteiga
• arroz
• feijao
• Associator model (full training set)

9
WEKA JAVA para Data Mining

• Apriori
• Minimum support 0.6
• Minimum metric ltconfidencegt 0.9
• Number of cycles performed 8
• Generated sets of large itemsets
• Size of set of large itemsets L(1) 7
• Size of set of large itemsets L(2) 12
• Size of set of large itemsets L(3) 6

10
WEKA JAVA para Data Mining

• Best rules found
• 1. leiteno 7 gt cervejano 7 conf(1)
• 2. manteigayes 5 gt arrozno feijaono 5
  conf(1)
• 3. manteigayes arrozno 5 gt feijaono 5
  conf(1)
• 4. manteigayes feijaono 5 gt arrozno 5
  conf(1)
• 5. paoyes 5 gt arrozno feijaono 5
  conf(1)
• 6. paoyes arrozno 5 gt feijaono 5
  conf(1)
• 7. paoyes feijaono 5 gt arrozno 5
  conf(1)
• 8. leiteno feijaono 5 gt cervejano 5
  conf(1)
• 9. leiteno arrozno 5 gt cervejano 5
  conf(1)
• 10. leiteno cafeno 5 gt cervejano 5
  conf(1)

11
WEKA JAVA para Data Mining

• Exemplo de classificação (arquivo weather)
• _at_relation weather
• _at_attribute outlook sunny, overcast, rainy
• _at_attribute temperature real
• _at_attribute humidity real
• _at_attribute windy TRUE, FALSE
• _at_attribute play yes, no
• _at_data
• sunny,85,85,FALSE,no
• sunny,80,90,TRUE,no
• overcast,83,86,FALSE,yes
• rainy,70,96,FALSE,yes
• ...

12
WEKA JAVA para Data Mining

• Carga do arquivo
• Análise dos atributos e seus valores
• Indicação de pré-processamento
• Escolha da tarefa de data mining
• Escolha do algoritmo a aplicar
• Acerto dos parâmetros
• Execução
• Análise dos resultados de saída.

13
WEKA JAVA para Data Mining

• Run information
• Scheme weka.classifiers.trees.J48 -C 0.25 -M 2
• Relation weather
• Instances 14
• Attributes 5
• outlook
• temperature
• humidity
• windy
• play
• Test mode split 66 train, remainder test

14
WEKA JAVA para Data Mining

• Classifier model (full training set)
• J48 pruned tree
• ------------------
• outlook sunny
• humidity lt 75 yes (2.0)
• humidity gt 75 no (3.0)
• outlook overcast yes (4.0)
• outlook rainy
• windy TRUE no (2.0)
• windy FALSE yes (3.0)
• Number of Leaves 5
• Size of the tree 8
• Time taken to build model 0.07 seconds

15
WEKA JAVA para Data Mining

• Evaluation on test split
• Summary
• Correctly Classified Instances 2 40
• Incorrectly Classified Instances 3 60
• Kappa statistic -0.3636
• Mean absolute error 0.6
• Root mean squared error 0.7746
• Relative absolute error 126.9231
• Root relative squared error 157.6801
• Total Number of Instances 5

16
WEKA JAVA para Data Mining

• Detailed Accuracy By Class
• TP Rate FP Rate Precision Recall F-Measure
  Class
• 0.667 1 0.5 0.667 0.571
  yes
• 0 0.333 0 0 0
  no
• Confusion Matrix
• a b lt-- classified as
• 2 1 a yes
• 2 0 b no

17
Uma aplicação do WEKA

• Análise de um procedimento de data-mining
• Descrição do problema alvo
• Objetivos da tarefa, caracterização
• Indicativos do pré-processamento
• Criação de base de teste
• Aplicação do algoritmo selecionado na base
• Avaliação dos resultados.

18
Uso do WEKA

• Dowloads, tutoriais, documentação, faqs, how
  tos
• A partir de http//www.cs.waikato.ac.nz/ml/weka/
• Exemplo tutorial introdutório de Alex K.
  Seewald
• http//alex.seewald.at/WEKA/

19
Uso do WEKA

• (No tutorial introdutório de Alex K. Seewald)
• Appendix A How to call WEKA from Java

20
Uso do WEKA

• Ou ainda
• Weka API http//weka.sourceforge.net/doc/

21
WEKA conclusão

• BOM USO

22
Ferramentas de Data Mining

• Modelo Comparativo
• Características relacionadas ao problema
• Acesso a fontes heterogêneas de dados
• Integração de conjuntos de dados.

23
Ferramentas de Data Mining

• Modelo Comparativo
• 2) Características relacionadas aos recursos
• Facilidade para inclusão de novas operações
• Facilidade para inclusão de novos métodos
• Recursos para o planejamento de ações
• Processamento paralelo e distribuído
• Operações e métodos disponíveis.

24
Ferramentas de Data Mining

• Modelo Comparativo
• 3) Características relacionadas aos resultados
• Estruturas para o armazenamento de modelos de
  conhecimento
• Estruturas para o armazenameno de históricos de
  ações.

25
Ferramentas de Data Mining
Nome Tarefas de KDD Fabricante
SPSS Clementine Classificação, regras de associação, sequências, deteção de desvios www.spss.com
PolyAnalyst Classificação, regressão, regras de associação, clusterização, sumarização, deteção de desvios www.megaputer.com
Weka Classificação, regressão, regras de associação, clusterização, www.cs.waikato.ac.nz
Darwin Classificação en.wikipedia.org/wiki/thinking_machines
Intelligent Miner Classificação, regras de associação, sequências, clusterização, sumarização www.ibm.com
26
Ferramentas de Data Mining
Nome Tarefas de KDD Fabricante
WizRule Sumarização, classificação, deteção de desvios www.wizsoft.com
Bramining Classificação, regras de associação, regressão, sumarização www.graal-corp.com.br
SAS Interprise Miner Classificação, regras de associação, regressão, sumarização www.sas.com
Oracle Data Miner Classificação, regressão, associação, clusterização e mineração de textos www.oracle.com

27
Metodologia para Data Mining

• Visão Geral
• O que fazer ?
• Levantamento inicial
• Definição dos objetivos.
• 2) Como fazer ?
• Planejamento de atividades
• Execução dos planos de ação
• Avaliação dos resultados.

28
Metodologia para Data Mining

• Levantamento inicial
• Identificação de pessoas e áreas envolvidas
• Levantamento de hardware e software
• Inventário das bases de dados disponíveis
• Verificar a existência de datawarehouses
• Analisar significado e relevância de atributos
• Esboçar lista de necessidades e expectativas dos
  usuários
• Avaliar a quantidade de dados disponíveis
• Identificar e documentar o conhecimento
  previamente existente e disponível.

29
Metodologia para Data Mining

• Definição dos objetivos
• Exige forte interação entre o analista de KDD e
  os especialistas no domínio
• Deve-se identificar as expectativas identificadas
  e validá-las com os especialistas
• Em seguida deve-se analisar a tarefa de mineração
  de dados.
• Planejamento das Atividades
• Identificar os métodos disponíveis
• Escolha entre os métodos
• Analisar o pré-processamento necessário.

30
Metodologia para Data Mining

• Execução dos planos de ação
• Execução dos método definido na etapa anterior
• Estudos de parâmetros e experimentação
• Avaliação dos resultados
• Avaliação da correção e demais medidas de
  performance
• Analise dos resultados frente aos objetivos
  definidos e seu atendimento.

31
Metodologia para Data Mining

• Exemplos de aplicação
• Telefonia
• Franquia de fast-food
• Ação social
• Educação
• Área médica
• Área financeira.