Lezione n. Parole chiave:
Corso di Laurea:
Insegnamento:
Email Docente:
A.A. 2009-2010
Francesco CutugnoClassificazione - WEKA
#ClassificazioneClusterizzazioneMachine learning
Informatica
Data Warehouse
Sommario• Concetti di base
• Features
• Apprendimento supervisionato
• Apprendimento non supervisionato
• Classi di algoritmi di machine learning
• Valutazione
• WEKA
• RapidMiner
Oggetti conosciuti
Oggetti sconosciuti Risposta
Machine learning
FeaturesGli oggetti esistono solo in termini delle caratteristiche registrate
Ogni tipo di analisi automatica riguardante un insieme di oggetti è vincolata a come questi sono stati descritti
Se chiedessimo ad un algoritmo di machine learning di risolvere un problema senza fornire le caratteristiche importanti per tale
scopo?
Apprendimento non supervisionato – Esempio
Apprendimento supervisionato – Esempio
A
A
A BB
B
B A
D
D
DD
C
CC
C
Le istanze sconosciuteNella maggior parte dei casi il dominio delle features è continuo
Tracciare confini di decisione troppo approssimati può rendere la classificazione delle istanze vicine a tali confini praticamente casuale
In ogni caso, verrà fornita una risposta in base alle maggiori probabilità di appartenenza di un oggetto ad una classe piuttosto che ad un'altra
? ?
Clustering
Regressione
Training Set
Test set Classificatore
Classe 1
Classe n
.
.
.
.
.
.
Classificazione
Misure di valutazione
fptptp
Precision
fntptp
Recall
fpfntntptntp
Accuracy
RPRPF
2
2 )(1
True X True YLabeled X True positives False positivesLabeled Y False negatives True negatives
Generalizzazione
step
Cross validation
1
2
10
Il formato ARFFIl formato ARFF è composto da un header, all'interno del quale viene descritta l'organizzazione dei dati, e da una sezione data, all'interno della quale vengono registrati i valori delle features secondo lo schema descritto nell'header. Di seguito riportiamo un esempio sul dataset di riferimento iris:
% 1. Title: Iris Plants Database % % 2. Sources: % (a) Creator: R.A. Fisher % (b) Donor: Michael Marshall (MARSHALL%[email protected]) % (c) Date: July, 1988 % @RELATION iris @ATTRIBUTE sepallength NUMERIC @ATTRIBUTE sepalwidth NUMERIC @ATTRIBUTE petallength NUMERIC @ATTRIBUTE petalwidth NUMERIC @ATTRIBUTE class {Iris-setosa,Iris-versicolor,Iris-virginica}
@DATA 5.1,3.5,1.4,0.2,Iris-setosa 4.9,3.0,1.4,0.2,Iris-setosa 4.7,3.2,1.3,0.2,Iris-setosa 4.6,3.1,1.5,0.2,Iris-setosa 5.0,3.6,1.4,0.2,Iris-setosa 5.4,3.9,1.7,0.4,Iris-setosa 4.6,3.4,1.4,0.3,Iris-setosa 5.0,3.4,1.5,0.2,Iris-setosa ...
<dataset name="iris" version="3.5.3"> <header> <attributes> <attribute name="sepallength" type="numeric"/> <attribute name="sepalwidth" type="numeric"/> <attribute name="petallength" type="numeric"/> <attribute name="petalwidth" type="numeric"/> <attribute class="yes" name="class" type="nominal"> <labels> <label>Iris-setosa</label> <label>Iris-versicolor</label> <label>Iris-virginica</label> </labels> </attribute> </attributes> </header> <body> <instances> <instance> <value>5.1</value> <value>3.5</value> <value>1.4</value> <value>0.2</value> <value>Iris-setosa</value> </instance> ... </instances> </body> </dataset>
Il formato XRFF - Esempio
