Weka-분류기

많은 기계 학습 애플리케이션은 분류와 관련이 있습니다. 예를 들어 종양을 악성 또는 양성으로 분류 할 수 있습니다. 기상 조건에 따라 외부 게임을할지 여부를 결정할 수 있습니다. 일반적으로이 결정은 날씨의 여러 기능 / 조건에 따라 달라집니다. 따라서 플레이 여부를 결정하기 위해 트리 분류기를 사용하는 것이 좋습니다.

이 장에서는 날씨 데이터에 이러한 트리 분류기를 구축하여 경기 조건을 결정하는 방법을 배웁니다.

테스트 데이터 설정

이전 강의에서 전처리 된 날씨 데이터 파일을 사용합니다. 다음을 사용하여 저장된 파일을 엽니 다.Open file ... 옵션 아래 Preprocess 탭에서 Classify 탭을 클릭하면 다음 화면이 표시됩니다.

사용 가능한 분류기에 대해 알아보기 전에 테스트 옵션을 살펴 보겠습니다. 아래 나열된 네 가지 테스트 옵션을 확인할 수 있습니다.

트레이닝 세트
제공된 테스트 세트
Cross-validation
비율 분할

자체 학습 세트 또는 클라이언트 제공 테스트 세트가없는 경우 교차 검증 또는 백분율 분할 옵션을 사용합니다. 교차 검증에서는 각 훈련 반복 동안 전체 데이터가 분할되고 사용되는 접기 수를 설정할 수 있습니다. 백분율 분할에서는 설정된 분할 백분율을 사용하여 훈련과 테스트간에 데이터를 분할합니다.

이제 기본값 유지 play 출력 클래스 옵션-

다음으로 분류자를 선택합니다.

분류기 선택

선택 버튼을 클릭하고 다음 분류기를 선택하십시오-

weka→classifiers>trees>J48

이것은 아래 스크린 샷에 나와 있습니다.

클릭 Start버튼을 눌러 분류 프로세스를 시작합니다. 잠시 후 분류 결과가 여기에 표시된대로 화면에 표시됩니다.

화면 오른쪽에 표시된 출력을 살펴 보겠습니다.

그것은 나무의 크기가 6이라고 말합니다. 당신은 곧 나무의 시각적 표현을 보게 될 것입니다. 요약에서 올바르게 분류 된 인스턴스는 2로, 잘못 분류 된 인스턴스는 3으로 표시되며 상대적 절대 오차도 110 %라고합니다. 또한 Confusion Matrix를 보여줍니다. 이러한 결과에 대한 분석은이 튜토리얼의 범위를 벗어납니다. 그러나 이러한 결과를 통해 분류가 허용되지 않으며 모델의 정확성에 만족할 때까지 분석을 위해 더 많은 데이터가 필요하고, 기능 선택을 구체화하고, 모델을 다시 빌드하는 등의 작업이 필요하다는 것을 쉽게 확인할 수 있습니다. 어쨌든, 그것이 바로 WEKA의 전부입니다. 아이디어를 빠르게 테스트 할 수 있습니다.

결과 시각화

결과의 시각적 표현을 보려면 결과를 마우스 오른쪽 버튼으로 클릭하십시오. Result list상자. 여기에 표시된 것처럼 여러 옵션이 화면에 나타납니다.

고르다 Visualize tree 아래 스크린 샷에서 볼 수있는 순회 트리의 시각적 표현을 얻으려면-

선택 Visualize classifier errors 여기에 표시된대로 분류 결과를 플로팅합니다.

ㅏ cross 올바르게 분류 된 인스턴스를 나타내며 squares잘못 분류 된 인스턴스를 나타냅니다. 플롯의 왼쪽 하단 모서리에cross 그것은 outlook 맑음 play게임. 따라서 이것은 올바르게 분류 된 인스턴스입니다. 인스턴스를 찾기 위해 슬라이드를 밀어서 약간의 지터를 도입 할 수 있습니다.jitter 슬라이드 바.

현재 플롯은 outlook 대 play. 이는 화면 상단에있는 두 개의 드롭 다운 목록 상자로 표시됩니다.

이제 이러한 각 상자에서 다른 선택을 시도하고 X 및 Y 축이 어떻게 변경되는지 확인하십시오. 플롯의 오른쪽에있는 수평 스트립을 사용하여 동일한 결과를 얻을 수 있습니다. 각 스트립은 속성을 나타냅니다. 스트립을 마우스 왼쪽 버튼으로 클릭하면 선택한 속성이 X 축에 설정되고 오른쪽 클릭은 Y 축에 설정됩니다.

심층 분석을 위해 제공되는 몇 가지 다른 플롯이 있습니다. 모델을 미세 조정하기 위해 신중하게 사용하십시오. 그러한 플롯 중 하나Cost/Benefit analysis 빠른 참조를 위해 아래에 나와 있습니다.

이 차트에서 분석을 설명하는 것은이 튜토리얼의 범위를 벗어납니다. 독자는 기계 학습 알고리즘 분석에 대한 지식을 습득하는 것이 좋습니다.

다음 장에서는 다음 기계 학습 알고리즘 세트 인 클러스터링에 대해 알아 봅니다.