Press "Enter" to skip to content

Weka Knowledge Flow Tasarım

Gözde Nergiz 2

Weka Knowledge Flow Tasarım

Bu yazımızda Weka Knowledge Flow Tasarım ekranını ve bu ekranın nasıl kullanıldığını göreceğiz.Knowledge Flow,Bilgi Akışı anlamına gelmektedir.Bu ekran,Weka’nın sağladığı sınıflandırma,kümeleme,özellik çıkarımı vb. bütün özellikleri görsel olarak gerçekleştirmemizi sağlar.Aynı anda birden fazla işlemi bu ekran üzerinde yapabiliriz.

Knowledge Flow ekranına girdiğimizde sağ tarafta araçlar penceresi bulunmaktadır.Tasarımımızı gerçekleştirmek için bu araçları kullanacağız.

1) Öncelikle DataSources içerisinde bulunan ArffLoader aracını ekrana ekliyoruz.Bu araç veri kümemizin bulunduğu dosyayı yüklememizi sağlar.ArffLoader üzerine gelip sağ tıklayarak configure seçeneğinden dosyamızı ekliyoruz.Örnek olarak Weka’nın içerisinde hazır olarak gelen iris.arff dosyasını ekledik.

2) Evaulation içerisindeki ClassAssigner aracını ekliyoruz.ClassAssigner,eklediğimiz veri kümesi içerisindeki kolonların hangilerinin class etiketi olacağını belirlememizi sağlar.

3) Evaulation içerisindeki CrossValidationFoldMaker aracını ekliyoruz.Bu araç da,veri setimizi eğitim ve test kümesi olarak bölmemizi sağlar.

4) Classifiers içerisindeki  istediğiniz herhangi bir sınıflandırıcıyı seçebilirsiniz.Biz KNN(En Yakın Komşu) Algoritmasını yani IBk’yi seçtik.Classifiers içerisinde lazy klasörü altında bulunan IBk sınıflandırıcısını tasarımımıza ekledik.Üzerine sağ tıklayıp configure seçeneğinden KNN kısmını yani en yakın komşu sayısını 3 yapıyoruz.(En yakın k komşu değeri  sizin veri setinize en uygun değer olmalıdır.Bu veri seti için 3 değeri uygundur.)

5) Evaluation içerisindeki ClassifierPerformanceEvaluator aracını ekliyoruz.Bu araç seçtiğimiz sınıflandırıcının sonuçlarını ve hata miktarını değerlendirir.

6) Son olarak sınıflandırıcının performansını,hata miktarını,sonuçlarını görebilmek için Visualization içerisindeki TextViewer aracını ekliyoruz.

Bu adımları gerçekleştirdikten sonra eklediğimiz araçları birbirine bağlıyoruz.

DataSource üzerine sağ tıklayıp dataSet seçeneğini seçerek ClassAssigner aracına bağlıyoruz.ClassAssigner aracını da  dataSet ile CrossValidationFoldMaker aracına,onu da testSet ve trainingSet ile IBk aracına,IBk’yi batchClassifier ile ClassifierPerformanceEvaluator aracına,onu da text ile TextViwer aracına bağlayarak bağlantı işlemini tamamlıyoruz.

Hazırladığımız tasarımı çalıştırıp,sonuçları TextViewer’in Show results seçeneği ile görebiliriz.Dosyayı kaydetmek için kaydet seçeneğinden .kf uzantısı ile dosyamızı kaydedebiliriz.

 

Tasarımda kullanılan veri setinin eğitim ve test verileri ayrı dosyalarda yer alıyorsa tasarım şu şekilde olmalıdır.

      TrainingSetMaker ve TestSetMaker ile veri kümesi eğitim ve test kümelerine ayrılır.Geri kalan işlemler yukarıdakiler ile aynıdır.Bir sonraki yazımızda görüşmek üzere.

Weka Knowledge Flow Tasarım

  1. turgut turgut

    Eline sağlık hocam faydalı bir çalışma olmuş. Paylaşımınız için teşekkürler.

    • Gözde Nergiz Gözde Nergiz

      Teşekkür ederim,başarılar dilerim.

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir