Degree Project. Score 10/10

1. DATA MINING ΚΑΙ ΕΦΑΡΜΟΓEΣ
ΕΡΩΤΗΜΑΤΟΛΟΓΙΟ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ
ΣΧΟΛΗΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ
ΚΑΙΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ
ΤΜΗΜΑΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ
ΦΟΙΤΗΤΗΣ : Κωνσταντίνος Βουκελάτος
ΑΜ ΦΟΙΤΗΤΗ : E 13032 .
EΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ:
Αναπληρωτής Καθηγητής Μιχαήλ Φιλιππάκης
ΠΕΙΡΑΙΑΣ,ΟΚΤΩΒΡΙΟΣ 2021

2. WEEKA 3.8.5
 Ένα από τα πιο γνωστά συστήματα για την Εξόρυξη Δεδομένων
είναι το σύστημα WEKA, το οποίο αναπτύχθηκε από το
Πανεπιστήμιο του Waikato στην Νέα Ζηλανδία.
 Είναι γραμμένο σε Java και περιέχει μια μεγάλη συλλογή
αλγορίθμων και εργαλείων για θέματα εξόρυξης δεδομένων
Ασκήσεις με την
εφαρμογή
W E E K A
3 . 8 . 5
3/11/2021
ΕΦΑΡΜΟΓΗ
 Στις επόμενες διαφάνειες, θα χρησιμοποιήσουμε ένα σύνολο
δεδομένων και θα εφαρμόσουμε μέσω του WEEKA, κάποιους από
τους προαναφερθέντες αλγορίθμους.

3. Σύνολα Δεδομένων
3/11/2021
Απάντηση : Η πλατφόρμα μπορεί
να επεξεργαστεί αρχεία της μορφής
• .arff
• .csv
• .data
• .names
• .json
Ερώτηση : Τι μορφής αρχεία
δεδομένων μπορεί να επεξεργαστεί
η πλατφόρμα WEEKA ;

4. Σύνολα Δεδομένων
3/11/2021
Απάντηση : Μπορούμε να
μετατρέψουμε online το αρχείο .xsl
σε .arff και μετά μπορούμε μέσω του
WEEKA να μετατρέψουμε το .arff
αρχείο σε .csv
Ερώτηση : Εάν έχω περασμένα τα
δεδομένα σε κάποιο αρχείο .xsl δεν
μπορώ να το ανεβάσω ;
Βήματα :
Tools  ArffViewer  Open File  Choose your .arrf file  Save as .csv
file

5. Εκκίνηση & Επεξεργασία
3/11/2021
Απάντηση : Επιλέγοντας Explore
(1η εικόνα). Έπειτα επιλέγοντας
Open File (2η εικόνα), βρίσκουμε το
αρχείο .csv που θέλουμε να προ-
επεξεργαστούμε.
Ερώτηση : Πως ξεκινάω το WEEKA
για να εισάγω το δείγμα;

6. Ταξινόμηση
3/11/2021
Απάντηση : Ταξινόμηση με
Κατηγοριοποίηση, Συσταδιοποίηση
και με Κανόνες Συσχέτισης.
Ερώτηση : Τι είδους Ταξινόμηση
μπορώ να κάνω στο δείγμα μου με
το WEEKA;
Είμαστε στην ενότητα Preprocess (Προ-επεξεργασία). Δίπλα υπάρχει η
ενότητα Classify (Κατηγοριοποίηση), Clustering (Συσταδιοποίηση),
Associate (Κανόνων Συσχέτισης). Σε κάθε μία από αυτές τις ενότητες
υπάρχουν τα αντίστοιχα Αλγοριθμικά ΜοντέλαΤαξινόμησης.

7. Κατηγοριοποίηση
3/11/2021
Απάντηση : Στην ενότητα Classify
πλέον μπορώ να κατηγοριοποιήσω
το δείγμα μου
Ερώτηση : Πως κάνω
Κατηγοριοποίηση στο δείγμα μου;
Ερώτηση : Πως θα εξάγω δέντρο;
Απάντηση : Ανατρέχοντας τα
Μοντέλα, επιλέγω κάποιο από αυτά
του πεδίου trees. Πχ. J48
- - - - - - - -
- - - Κάθε Μοντέλο από το πεδίο
trees θα εξάγει δέντρο.
Πατώντας Start , εκκινεί ο Αλγόριθμος

8. Κατηγοριοποίηση
3/11/2021
Απάντηση : Το τρόπο ταξινόμησης,
τον αριθμό των φύλλων, το μέγεθος
του δέντρου, τον χρόνο εκτέλεσης
και το ποσοστό επιτυχίας σωστής
ταξινόμησης.
Ερώτηση : Τι δείχνει ο Αλγόριθμος;
Βλέπουμε τις συγκρίσεις που γίνονται
για όλες τις τιμές και τα στοιχεία του
δείγματος
Πιο κάτω , βλέπουμε τον αριθμό
φύλλων, το μέγεθος του δέντρου, τον
χρόνο εκτέλεσης και το ποσοστό
επιτυχημένης ταξινόμησης

9. Κατηγοριοποίηση
3/11/2021
Απάντηση : To τελευταίο τμήμα του
J48, μας δείχνει τον πίνακα
ταξινόμησης
Ερώτηση : Ποιος ο τελικός πίνακας
ταξινόμησης ;
Το Confusion Matrix είναι ο τελικός
πίνακας ταξινόμησης που θα μας
δώσει το δέντρο ταξινόμησης
Το δέντρο ταξινόμησης, βασισμένο στον
πίνακα ταξινόμησης, για το δείγμα μετά
από κατηγοριοποίηση με τον J48
- - - - - - - -
- - -
Ερώτηση : Πως βρίσκω το δέντρο
ταξινόμησης;
Απάντηση : Στο μπλε πεδίο
αριστερά που δείχνει την διενέργεια
του J48, πατάω δεξί κλικ και
επιλέγω Visualize Tree

10. Κατηγοριοποίηση
3/11/2021
Απάντηση : Στην ενότητα Classify,
υπήρχαν και άλλα πεδία εκτός του
trees. Στο πεδίο bayes, επιλέγω
τον Bayes Net για Bayesian
Classification
Ερώτηση : Εκτός από το δέντρο,
μπορώ να εξάγω κάποιον Γράφο
κατά την κατηγοριοποίηση με το
WEEKA;
Υπάρχουν οι Bayesian
κατηγοριοποιητές
Πατώντας Start , εκκινεί ο Αλγόριθμος

11. Κατηγοριοποίηση
3/11/2021
Απάντηση : Το τρόπο ταξινόμησης,
τον χρόνο εκτέλεσης και το ποσοστό
επιτυχίας σωστής ταξινόμησης.
Ερώτηση : Τι δείχνει ο Αλγόριθμος;
Βλέπουμε τον χρόνο εκτέλεσης και τον
τρόπο ταξινόμησης.
- - - - - - - -
- - -
Ερώτηση : Ποιος ο τελικός πίνακας
ταξινόμησης ;
Απάντηση : To τελευταίο τμήμα του
Bayes Net, μας δείχνει τον πίνακα
ταξινόμησης
Το Confusion Matrix είναι ο τελικός
πίνακας ταξινόμησης που θα μας
δώσει το Γράφο.

12. Κατηγοριοποίηση
3/11/2021
Ερώτηση : Πως βρίσκω το Γράφο ;
Απάντηση : Στο μπλε πεδίο
αριστερά που δείχνει την διενέργεια
του Bayes Net, πατάω δεξί κλικ και
επιλέγω Visualize Graph

13. Συσταδιοποίηση
3/11/2021
Απάντηση : Στην ενότητα Cluster
πλέον μπορώ να χωρίσω το δείγμα
μου σε συστάδες
Ερώτηση : Πως κάνω
Συσταδιοποίηση στο δείγμα μου;
Ερώτηση : Πως θα εξάγω συστάδες;
Απάντηση : Ανατρέχοντας τα
Μοντέλα, επιλέγω τον K-Means
- - - - - - - -
- - - Κάθε Μοντέλο από το πεδίο
αυτό θα εξάγει συστάδες
Πατώντας Start , εκκινεί ο Αλγόριθμος

14. Συσταδιοποίηση
3/11/2021
Απάντηση : Το τρόπο ταξινόμησης,
τα μεγέθη ανά συστάδα, τον χρόνο
εκτέλεσης και το ποσοστό επιτυχίας
σωστής ταξινόμησης για κάθε
συστάδα.
Ερώτηση : Τι δείχνει ο Αλγόριθμος;
Βλέπουμε τον αριθμό των
δεδομένων και πόσα και ποια
από αυτά βρίσκονται σε
συστάδες
- - - - - - - -
- - -
Ερώτηση : Πως βρίσκω τις συστάδες
Απάντηση : Στο μπλε πεδίο αριστερά
που δείχνει την διενέργεια του K-
Means, πατάω δεξί κλικ και επιλέγω
Visualize Cluster Assignments
Σχηματοποίηση συστάδων για
το σχήμα με βάση τον K-Means
ΠΡΟΣΟΧΗ ! ! !
Η συσταδιοποίηση έγινε επιλέγοντας ένα
cluster. Σύμφωνα με τον K-Means εμείς
ορίζουμε τον αριθμό των K συστάδων,
άρα ο αριθμός 1 είναι τυχαίος.

15. Συμπέρασμα
3/11/2021
Ερώτηση : Τι άλλο θα μπορούσε να
δώσει ένα καλύτερο αποτέλεσμα
ταξινόμησης για το δείγμα αυτό;
Ερώτηση : Με το WEEKA έκανα την
καλύτερη ταξινόμηση στο δείγμα;
Με το σύνολο δεδομένων που επιλέξαμε, ανάμεσα σε 3 τυχαίους
αλγορίθμους ταξινόμησης, ο Bayesian Belief Networks είχε καλύτερο
ποσοστό σωστής ταξινόμησης με 70.5%. Υπάρχουν ωστόσο και άλλες
αλγοριθμικές διαδικασίες αλλά και συνδυασμός αυτών που ίσως να
ταξινομούσε καλύτερα το δείγμα.
Ερώτηση : Υπάρχουν και άλλα
σχήματα που μπορούμε να εξάγουμε
με το WEEKA;
- - - - - - - -
- - -
- - - - - - - -
- - -
- - - - - - - - - - - - - - - - - - - -
- - - -
- - - - - - - - - - - - - - - - - - - -
- - - -
Μία τυχαία υπόθεση θα ήταν :
o Επιλογή 2 ή 3 συστάδων κατά την επιλογή του K-Means
o Επιλογή Naïve Bayesian Classification
o Επιλογή Decision Table
Ανάλογα με τον Αλγόριθμο Ταξινόμησης μπορούμε να εξάγουμε
διαφορετικά σχήματα για τα δεδομένα μας, όπως για τα λάθη του
κατηγοριοποιητή, μια ανάλυση κόστους / κέρδους , αλλά και σχήματα
κάποιων συγκεκριμένων Αλγορίθμων (όπως η Καμπύλη στον Naïve
Bayes).