Weka-特徴選択
データベースに多数の属性が含まれている場合、現在探している分析では重要にならない属性がいくつかあります。したがって、データセットから不要な属性を削除することは、優れた機械学習モデルを開発する上で重要なタスクになります。
データセット全体を視覚的に調べて、無関係な属性を決定することができます。これは、前のレッスンで見たスーパーマーケットのケースのように、多数の属性を含むデータベースにとっては大きなタスクになる可能性があります。幸い、WEKAは特徴選択のための自動化されたツールを提供します。
この章では、多数の属性を含むデータベースでこの機能を示します。
データのロード
の中に Preprocess WEKAエクスプローラーのタグで、 labor.arffシステムにロードするためのファイル。データをロードすると、次の画面が表示されます-
17個の属性があることに注意してください。私たちのタスクは、分析に関係のない属性のいくつかを削除することにより、縮小されたデータセットを作成することです。
特徴抽出
クリックしてください Select attributesTAB。次の画面が表示されます-
下 Attribute Evaluator そして Search Method、いくつかのオプションがあります。ここではデフォルトを使用します。の中にAttribute Selection Mode、完全なトレーニングセットオプションを使用します。
[開始]ボタンをクリックして、データセットを処理します。次の出力が表示されます-
結果ウィンドウの下部に、次のリストが表示されます。 Selected属性。視覚的な表現を取得するには、結果を右クリックします。Result リスト。
出力を次のスクリーンショットに示します-
四角のいずれかをクリックすると、さらに分析するためのデータプロットが表示されます。典型的なデータプロットを以下に示します-
これは、前の章で見たものと似ています。結果を分析するために利用できるさまざまなオプションを試してみてください。
次は何ですか?
これまで、機械学習モデルの迅速な開発におけるWEKAの力を見てきました。私たちが使用したのは、Explorerこれらのモデルを開発するため。WEKAは、エクスプローラーで提供されるよりも強力なコマンドラインインターフェイスも提供します。
クリックすると Simple CLI GのボタンUI Chooser アプリケーションは、以下のスクリーンショットに示されているこのコマンドラインインターフェイスを開始します-
下部の入力ボックスにコマンドを入力します。エクスプローラーでこれまでに行ったことすべてに加えて、さらに多くのことを行うことができます。詳細については、WEKAのドキュメント(https://www.cs.waikato.ac.nz/ml/weka/documentation.html)を参照してください。
最後に、WEKAはJavaで開発され、そのAPIへのインターフェースを提供します。したがって、Java開発者であり、独自のJavaプロジェクトにWEKA ML実装を含めることに熱心な場合は、簡単に含めることができます。
結論
WEKAは、機械学習モデルを開発するための強力なツールです。これは、最も広く使用されているいくつかのMLアルゴリズムの実装を提供します。これらのアルゴリズムをデータセットに適用する前に、データを前処理することもできます。サポートされているアルゴリズムのタイプは、Classify、Cluster、Associate、およびSelect属性に分類されます。処理のさまざまな段階での結果は、美しく強力な視覚的表現で視覚化できます。これにより、データサイエンティストは、データセットにさまざまな機械学習手法をすばやく適用し、結果を比較して、最終的な使用に最適なモデルを作成することが容易になります。