´

FACULTAD DE INGENIERÍA
INGENIERIA DE SISTEMAS

Nombre de la
Asignatura Electiva Técnica (Aprendizaje Automático)
Taller 4
 ´

Actividades preliminares (si necesarias)

1. Descargue e instale WEKA según se explica.

2. Al ejecutar el programa aparece la ventana "GUI chooser", con un menú superior y cuatro
botones. Pulse sobre el botón "Explorer" y aparecerá una ventana con título "Weka explorer".
3. Recuerde que se enviaron algunos documentos en pdf, se recomienda leerlos. Para esta sencilla
práctica no es necesario leerlos por completo.
4. Como primera comprobación, abra el fichero weather.arff del directorio data/, que contiene 14
ejemplos sobre los días en que se ha podido jugar al tenis (play = yes/no) en función de los
valores de cuatro atributos. Observe, seleccionando cada atributo, su tipo (numérico o nominal) y
su distribución. En la pestaña "Classify" seleccione el clasificador J48 (versión WEKA de C4.5;
se encuentra dentro del grupo "trees"), con la opción "Use training test" y observe, al activar
"Start", los resultados que aparecen en el marco de la derecha. Pinchando con el botón derecho
sobre el nombre del resultado (en el marco inferior de la izquierda) aparecen opciones, entre ellas
la de visualizar el árbol inducido.

Ejercicio
En drugs.tar.gz se encuentran cuatro ficheros con datos sobre enfermos de rinitis alérgica
recogidos en cuatro hospitales. Dos de los ficheros están en el formato "arff" (nativo de WEKA)
y otros dos en "csv" (valores separados por comas). WEKA puede traducir del segundo al
primero, y, en cualquier caso, para esta práctica basta con experimentar con drug1n.arff y utilizar
otro como conjunto de prueba.

Se trata de predecir el medicamento más adecuado para un nuevo paciente en función de seis
atributos: Age (numérico), Sex (nominal), BP (blood pressure, nominal: alta, baja, normal),
Cholesterol (nominal: alto, normal), Na (nivel de sodio en sangre, numérico) y K (nivel de potasio
en sangre, numérico). Los datos indican cuál ha sido, de entre cinco medicamentos (drugA, drugB,
drugC, drugX, drugY) el mejor para cada uno de los pacientes que forman los conjuntos de
entrenamiento

1. Sin hacer ningún preprocesamiento, compruebe los resultados (particularmente, precisión y matriz de
confusión) para los clasificadores ZeroR y OneR (en el grupo "rules").
2. Aplique J48 y compare con los resultados anteriores. Utilice para la validación sucesivamente tres
métodos: "training set", "cross-validation" y "supplied test set" (drug2n.arff) y observe las diferencias.
Anote por lo menos los resultados más significativos: número de ejemplares clasificados correcta e
incorrectamente, precisión y matrices de confusión. Visualice el árbol y conserve la ventana para una
comparación posterior (si la visualización es defectuosa, pinchando con el botón derecho en la ventana
hay algunas opciones).
3. Un problema de C4.5 es que no puede descubrir que combinando adecuadamente ciertos atributos
numéricos se llegan a obtener mejores predicciones. En la pestaña "Visualize" se muestra la distribución
de clases (medicamentos) en función de parejas de atributos. Si analizamos todos los gráficos vemos dos
particularmente interesantes: el de la pareja K/Na (y su simétrico, Na/K). En efecto, se puede observar que
drugY es el resultado más frecuente, pero sobre todo para valores altos del cociente Na/K. Parece que este
cociente pueda ser un atributo más significativo que Na y K aislados. Bajo la pestaña "Preprocess" existe
la opción "Filter"; pinchando en "Choose" aparecen muchos filtros, entre ellos,
"filters/unsupervised/attribute/AddExpression", que permite escribir una expresión aritmética para definir
un nuevo atributo en función de otros. Como K es el atributo 6 y Na es el 5, escriba en la ventana
emergente que sale al pinchar sobre la expresión "a6/a5" y un nombre, por ejemplo, "K_div_Na". "OK" y
luego "Apply" y aparece el nuevo atributo con el número 8.
 ´
4. Vuelva a "Classify" para repetir el algoritmo C4.5 (J48). Por defecto, WEKA toma el último atributo
como el de la clase a predecir, por lo que, antes de nada, en el desplegable que aparece en el centro del
marco izquierdo cambie "K_div_Na" por "Drug".
5. Vuelva a aplicar C4.5 y compare los resultados con los del punto 2, particularmente, el árbol inducido.

Informe
Entregar un informe de unas 3 a 5 páginas con el proceso del trabajo y las conclusiones que
hayan obtenido.

Objetivo:
Determinar la comprensión de los conceptos básicos de manejo del software WEKA y la aplicación de un
algoritmos de clasificación
Objetivos específicos
• Ver si el estudiante entiende el manejo básico del WEKA
• Verificar la capacidad de aplicar algoritmos de clasificación a un conjunto de datos y
entender los resultados arrojado