Weka - Agrupación
Un algoritmo de agrupación en clústeres busca grupos de instancias similares en todo el conjunto de datos. WEKA admite varios algoritmos de agrupación en clústeres como EM, FilteredClusterer, HierarchicalClusterer, SimpleKMeans, etc. Debe comprender estos algoritmos completamente para aprovechar al máximo las capacidades de WEKA.
Como en el caso de la clasificación, WEKA permite visualizar gráficamente los clusters detectados. Para demostrar la agrupación, utilizaremos la base de datos de iris proporcionada. El conjunto de datos contiene tres clases de 50 instancias cada una. Cada clase se refiere a un tipo de planta de iris.
Cargando datos
En el explorador WEKA seleccione el Preprocesslengüeta. Clickea en elOpen file ... opción y seleccione la iris.arffarchivo en el cuadro de diálogo de selección de archivos. Cuando carga los datos, la pantalla se ve como se muestra a continuación:
Puede observar que hay 150 instancias y 5 atributos. Los nombres de los atributos se enumeran comosepallength, sepalwidth, petallength, petalwidth y class. Los primeros cuatro atributos son de tipo numérico, mientras que la clase es de tipo nominal con 3 valores distintos. Examine cada atributo para comprender las características de la base de datos. No realizaremos ningún procesamiento previo de estos datos y procederemos inmediatamente a la construcción del modelo.
Clustering
Clickea en el ClusterTAB para aplicar los algoritmos de agrupación en clústeres a nuestros datos cargados. Clickea en elChoosebotón. Verá la siguiente pantalla:
Ahora, seleccione EMcomo el algoritmo de agrupamiento. En elCluster mode subventana, seleccione el Classes to clusters evaluation opción como se muestra en la captura de pantalla a continuación -
Clickea en el Startbotón para procesar los datos. Después de un tiempo, los resultados se presentarán en la pantalla.
A continuación, estudiemos los resultados.
Examinar la salida
La salida del procesamiento de datos se muestra en la siguiente pantalla:
Desde la pantalla de salida, puede observar que:
Hay 5 instancias agrupadas detectadas en la base de datos.
los Cluster 0 representa setosa, Cluster 1 representa virginica, Cluster 2 representa versicolor, mientras que los dos últimos grupos no tienen ninguna clase asociada.
Si se desplaza hacia arriba en la ventana de salida, también verá algunas estadísticas que brindan la media y la desviación estándar para cada uno de los atributos en los distintos grupos detectados. Esto se muestra en la captura de pantalla que se muestra a continuación:
A continuación, veremos la representación visual de los clústeres.
Visualización de clústeres
Para visualizar los clusters, haga clic derecho en el EM resultado en el Result list. Verá las siguientes opciones:
Seleccione Visualize cluster assignments. Verá la siguiente salida:
Como en el caso de la clasificación, notará la distinción entre las instancias identificadas correcta e incorrectamente. Puede jugar cambiando los ejes X e Y para analizar los resultados. Puede utilizar jittering como en el caso de la clasificación para averiguar la concentración de instancias correctamente identificadas. Las operaciones en la gráfica de visualización son similares a la que estudió en el caso de la clasificación.
Aplicar Clusterer jerárquico
Para demostrar el poder de WEKA, veamos ahora una aplicación de otro algoritmo de agrupamiento. En el explorador WEKA, seleccione elHierarchicalClusterer como su algoritmo ML como se muestra en la captura de pantalla que se muestra a continuación:
Elegir el Cluster mode selección a Classes to cluster evaluationy haga clic en el Startbotón. Verá la siguiente salida:
Note que en el Result list, hay dos resultados enumerados: el primero es el resultado EM y el segundo es el jerárquico actual. Del mismo modo, puede aplicar varios algoritmos de ML al mismo conjunto de datos y comparar rápidamente sus resultados.
Si examina el árbol producido por este algoritmo, verá el siguiente resultado:
En el próximo capítulo, estudiará el Associate tipo de algoritmos ML.