Weka

Mineração de Dados com Weka
Flávio Miguel Varejão
Missael de Nadai
Raphael Broetto

Jornadas de Atualização em Computação,
Elétrica e Eletrônica
Setembro - 2012

Conteúdo








Introdução
Weka
Pré-processamento
Visualização
Classificação
Seleção de atributos
Agrupamento

JACEE 2012

2

Introdução

Tomada de Decisões

JACEE 2012

4

Motivação

Leis
 Lei de Moore: Capacidade de processamento dobra a cada 18 meses
(CPU, memória, cache)
 Capacidade de armazenamento dobra a cada 10 meses
 O que estas duas “leis” combinadas produzem?  Um gap crescente entre nossa habilidade de gerar dados e nossa habilidade de fazer uso dele

JACEE 2012

6

Problema
 Crescimento da Base da Pirâmide
 Capacidade Reduzida de Análise

JACEE 2012

7

Problema
 Com a evolução da computação, atualmente uma aplicação pode gerar terabytes de dados em poucas horas
 Mas...
 Os potenciais usuários não são capazes de analisar tamanha quantidade de dados em tempo hábil

JACEE 2012

8

Conclusão

 Estamos sedentos por conhecimento, mas nos afogando em dados! JACEE 2012

9

Conclusão
 É necessário o desenvolvimento de tecnologias de extração automática de conhecimento de bases de dados

JACEE 2012

10

Mineração de Dados
 Também conhecido como Descoberta de
Conhecimento em Bases de Dados
 KDD: “Knowledge Discovery in Databases”

 Surge a partir da área de Aprendizado de
Máquina em Inteligência Computacional
 Algoritmos capazes de aprender relações entre dados a partir de um conjunto de exemplos

JACEE 2012

11

Fundamentos

Objetivos
 Encontrar conhecimento a partir de um conjunto de dados para ser utilizado em um processo decisório
 Ideal que o conhecimento descoberto seja compreensível a humanos, além de útil e interessante para os usuários finais

JACEE 2012

13

Definição
 “Extração de conhecimento de bases de dados é o processo de