INSTITUTO TECNOLÓGICO DE CIUDAD MADERO

Carrera: Ingeniería en Sistemas Computacionales

Maestra: Guadalupe Castilla Valdez

Materia: Tecnologías para Big Data

Grupo: 750B A

Alumno: Jorge Patricio Acevedo Arguelles

Numero de control: 18070580

Horario: 11:00 am - 12:00 pm

Práctica: Clasificadores y Redes Neuronales

Abrimos Weka en el entorno “Explorer”.

Seleccionamos “Open file”.

Buscamos la ubicación del archivo “Weather.arff” y damos clic en “Abrir”.

Aquí podemos ver los atributos del data set, en donde todos son de tipo nominal.
En la pestaña “Classify” seleccionamos la opción “Use training set”.

Ahora seleccionamos “ZeroR” y damos clic en “Start”.

Nos arroja los siguientes resultados.

Ahora seleccionamos la opción “OneR” y damos clic en “Start”, nos arrojará el

siguiente resultado.
Procederemos a hacer lo mismo, pero ahora con el clasificador “IBk” y damos clic en
Start. Los resultados son los siguientes.

A continuación, seleccionaremos el clasifiador “NaiveBayes”, nuevamente damos clic

en Start y nos muestra lo siguiente.
El siguiente clasificador a ejecutar es el “Id3”, el cual, nos muestra lo siguiente.

Es turno del clasificador “J48”, damos clic en Start y el resultado es el que se muestra.
Por último, vamos a incorporar a otro clasificador, el “MultilayerPerceptron”, el cual,
al ejecutarse, nos da como resultado esto.

Al comparar todos los clasificadores, llego a la conclusion de que los que mejores
resultados arrojan, son: el Id3, y el J48. Arrojando exactamente los mismos resultados.
De ahí le seguirían el “MultilayerPerceptron” y el “NaiveBayes”.