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 1 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 – deslocamento – potência – peso – ano – aceleração – origem – consumo (categórico: 3, 4, 6, 8) (numérico) (numérico) (numérico) (categórico: 70.71, 72, 73, 74) (numérico) (categórico: 1, 2, 3) (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 – Executar o algoritmo Apriori do Weka, para os conjuntos de dados: – carros_3V.arff – viajar.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