Introduction à Weka

Introduction à Weka
Enseignant : Christian Desrosiers
Chargée de laboratoire : Faten M’hiri
DÉPARTEMENT DE GÉNIE LOGICIEL ET DES TI
LOG770 - SYSTÈMES INTELLIGENTS
ÉTÉ 2012

Classification ou clustering ?
Problème Type d'apprentissage Algorithmes
Classification
Supervisé:
On possède les attributs
et l'étiquette (i.e., classe
de sortie) des exemples
d'entraînement
SVM, k-NN, arbres de
décisions, classification de
Bayes naïve, etc.
Groupement
(Clustering)
Non supervisé:
On ne possède que les
attributs des exemples
d'entraînement
k-moyennes, mélange de
modèles gaussiens, etc.

Classification
•Collecter les données :
–Données d’apprentissage : pour entraîner le
classifieur
–Données de tests : pour évaluer le classifieur
•Choisir l’ensemble de caractéristiques pour les décrire
(descripteurs)
•Sélectionner d’un algorithme de classification supervisé
•Entraîner le classifieur (avec les données
d’apprentissage)
•Évaluer la performance du classifieur (avec les données
de test)

Introduction à Weka
•Logiciel d’apprentissage machine :
–Traitement de données
–Forage de données
–Comparaison d’algorithmes
–Etc.
•Site web:
http://www.cs.waikato.ac.nz/ml/weka/index.html

Introduction à Weka
•Lancer le logiciel
•Choisir mode « Explorer »
•GUI : Open File
•Sélectionner le fichier : « Weka/data/weather.arff »