1

Exercício 1

• Rodar o algoritmo de classificação J4.8 do Weka variando:

– o parâmetro M(2, 4, 5)– para o melhor valor de M encontrado, variar os métodos

de teste:» cross-validation (2 valores)» % split

• anotar o número de exemplos classificados corretamente e incorretamente em cada caso

• Escolher um dos arquivos: iris, viajar ou lentes

Exercício 2– Rodar o algoritmo de regressão (árvores) M5P do Weka

variando os parâmetros» R – para gerar árvore de regressão com valores

numéricos nas folhas» N – árvore com e sem processo de poda

M – número mínimo de instâncias (4, 8)– anotar para cada caso :

» o valor do erro médio absoluto» Número de regras

– Usar o arquivo carros, completando as informações para gerar o arquivo auto_mpg_menor.txt, transformando antes para .arff

Dados• Auto.mpg reduzido: 120 exemplos

• atributos:– número de cilindros (categórico: 3, 4, 6, 8)– deslocamento (numérico) – potência (numérico)– peso (numérico)– ano (categórico: 70.71, 72, 73, 74)– aceleração (numérico)– origem (categórico: 1, 2, 3)– consumo (numérico)

Exercício 3– Rodar o algoritmo de regressão (regras) M5Rules do

Weka variando os parâmetros» R – para gerar regras de regressão com valores

numéricos nas classes» N – árvore com e sem processo de poda

M – número mínimo de instâncias (4, 8)– anotar para cada caso :

» o valor do erro médio absoluto» Número de regras

– Usar o arquivo carros, completando as informações para gerar o arquivo auto_mpg_menor.txt, transformando antes para .arff

Exercício 4

• Executar o algoritmo de agrupamento SimpleKMeans do WEKA,

• com números diferentes de clusters (2, 3,5)• Para cada um dos casos relatar os centróides

encontrados para os arquivos:– exemplo_clustering.arff– viajar.arff

Exercício 5

– Executar o algoritmo Apriori do Weka, para os conjuntos de dados:

– carros_3V.arff– weather.arff– (aplicar discretização dos dados – algoritmo Apriori só

aceita atributos nominais

– Para cada um dos conjuntos de dados, descrever as 3 melhores regras e explicar seu significado