[Αναγνώριση Προτύπων] Εργασίες 2011-2012

[Thmmy.gr portal]

  Thmmy.gr portal
   Forum
   Downloads
   Ενεργ. Λογαριασμού
   Επικοινωνία
  
  Χρήσιμα links
   Σελίδα τμήματος
   Βιβλιοθήκη Τμήματος
   Elearning
   Φοιτητικά fora
   Πρόγραμμα Λέσχης
   Πρακτική Άσκηση
   Ηλεκτρονική Εξυπηρέτηση Φοιτητών
   Διανομή Συγγραμμάτων
   Ψηφιακό Καταθετήριο Διπλωματικών
   Πληροφορίες Καθηγητών
   Instagram @thmmy.gr
   mTHMMY
  
  Φοιτητικές Ομάδες
   ACM
   Aristurtle
   ART
   ASAT
   BEAM
   BEST Thessaloniki
   EESTEC LC Thessaloniki
   EΜΒ Auth
   IAESTE Thessaloniki
   IEEE φοιτητικό παράρτημα ΑΠΘ
   SpaceDot
   VROOM
   Panther
  

THMMY.gr Web

Helios_MultiScribbles2SMF Default ThemeSMFone_Blue

[Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads]

Είσαι πρωτοετής;... Καλώς ήρθες! Μπορείς να βρεις πληροφορίες εδώ. Βοήθεια για τους καινούργιους μέσω χάρτη.

Κατεβάστε εδώ το Android Application για εύκολη πρόσβαση στο forum.

Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads με προσοχή στα ονόματα των αρχείων!

[Πληροφορίες Καθηγητών]

Πληροφορίες Καθηγητών

[mysterious]

Όποιος καταφέρει να περάσει τα δεδομένα από τα arff στο matlab, ας μοιραστεί το μυστικό...

[Kylries]

Μετά από ψάξιμο κατάλαβα ότι κάτι τέτοιo δε γίνεται αν δεν έχεις κατεβάσει και εγκαταστήσει το weka http://www.cs.waikato.ac.nz/ml/weka/..( εκτός αν κάνεις parse στα αρχεία μόνος σου με ένα ωραίο πρόγραμμα που θα κάνεις μόνος σου στο Matlab ). Στο site της Mathworks υπάρχει ένα πολύ χρήσιμο πακέτο που προσφέρει το interface μεταξύ Matlab και Weka (http://www.mathworks.com/matlabcentral/fileexchange/21204-matlab-weka-interface).
Απο το πακέτο αυτό θα χρειαστείς μόνο 2 functions:
- Την loadARFF η οποία φορτώνει τα δεδομένα από το .arff σε ένα αντικείμενο java
- Την weka2matlab που τελικά επιστρέφει δεδομένα σε μορφή Matlab πλέον

Για να καταφέρεις όμως να τις τρέξεις πρέπει να περάσεις στο classpath.txt του Matlab το path του weka.jar που είναι και υπέυθυνο για το transition weka-> matlab. Και για να έχεις το δικαίωμα να το κάνεις αυτό πρέπει να τρέξεις το Matlab ως admin στα Windows..

Από εκεί και ύστερα δουλέυεις στο γνωστό και αγαπημένο σου περιβάλλον..
Το θέμα είναι τι ακριβώς κάνεις μετά...Αυτό ακόμα το ψάχνω

[Kylries]

Btw έχει καταλάβει κανείς τι συμβολίζουν τα εξτρά attributes του dataset?? Αυτά εδώ δηλαδή:

 'wv_have'    'wv_patch'    'wv_use'    'title_in'    'title_with'    'tag_2'     'tag_3'     'tag_patch'

[b@ki]

Ο Συμεωνίδης μόλις μας είπε οτι μπορούμε να χρησιμοποιήσουμε απευθείας το weka αν θέλουμε

[mysterious]

Μετά από ψάξιμο κατάλαβα ότι....

Ούτε έτσι μου δουλεύει γμτ. Μήπως μπορείς να το εξηγήσεις λίγο βήμα-βήμα?
Βρήκε κανείς κανέναν άλλο τρόπο?

[ripper_george]

για να μπορέσω να το τρέξω, έπρεπε να γράψω επίσης στο MATLAB
javaaddpath('E:\Program Files\Weka-3-6\weka.jar');

(Η τελος πάντων όπου έχετε κανει install το weka.)
Πριν απο τη χρηση των weka2matlab και loadARFF

[mysterious]

Λοιπόν...
- Κατέβασα και εγκατέστησα το weka και το πακέτο με τις συναρτήσεις loadARFF κλπ
- Πέρασα στο classpath.txt του matlab το weka.jar
- Γράφω javaaddpath('E:\Program Files\Weka-3-6\weka.jar');
- Δίνω εντολή π.χ  wekaOBJ = loadARFF(Topics5NoRuby.arff) και μου βγάζει:  ??? Undefined variable "Topics5NoRuby" or class "Topics5NoRuby.arff".
- Αν δοκιμάσω χωρις την κατάληξη, δλδ wekaOBJ = loadARFF(Topics5NoRuby) τότε βγάζει: ??? Undefined function or variable 'Topics5NoRuby'.

Τι δε κάνω σωστά;

[ripper_george]

[A, datasetA]=weka2matlab(loadARFF('Topic25NoRuby.arff'));
grapse auyto kai pes mou ti ginetai.

[mysterious]

[A, datasetA]=weka2matlab(loadARFF('Topic25NoRuby.arff'));
grapse auyto kai pes mou ti ginetai.

Δούλεψε!
Ευχαριστώ πολύ. Αντε να δούμε από εδώ και πέρα τώρα....

[AgentCain]

Απο το πακέτο αυτό θα χρειαστείς μόνο 2 functions:
- Την loadARFF η οποία φορτώνει τα δεδομένα από το .arff σε ένα αντικείμενο java
- Την weka2matlab που τελικά επιστρέφει δεδομένα σε μορφή Matlab πλέον

Βασικά όλες τις χρειάζεσαι, γιατί μερικές αλληλοκαλούνται (δλδ πρέπει να αντιγραφεί όλο το πακέτο)

Επίσης θα χρειαστεί λογικά και η trainWekaClassifier όπου για να έχουμε πχ χρήση του αλγορίθμου C4.5 πρέπει να ορίσουμε τύπο classifier weka.classifiers.trees.j48.* όπου * ένα από τα
BinC45ModelSelection   Class for selecting a C4.5-like binary (!) split for a given dataset.
BinC45Split   Class implementing a binary C4.5-like split on an attribute.
C45ModelSelection   Class for selecting a C4.5-type split for a given dataset.
C45PruneableClassifierTree   Class for handling a tree structure that can be pruned using C4.5 procedures.
C45PruneableClassifierTreeG   Class for handling a tree structure that can be pruned using C4.5 procedures and have nodes grafted on.
C45Split Class implementing a C4.5-type split on an attribute.

υποθέτω το 3ο ή το 6ο?

[tomshare3]

παντως καμια σχεση τα δεδομενα οπως τα δειχνει το matlab και οπως πραγματικα ειναι στο weka 

[aggalitsas]

παντως καμια σχεση τα δεδομενα οπως τα δειχνει το matlab και οπως πραγματικα ειναι στο weka 

ρε μας δουλεύει? πιο μεγάλους πίνακες δεν είχε να μας δώσει?

[aggalitsas]

Απο το πακέτο αυτό θα χρειαστείς μόνο 2 functions:
- Την loadARFF η οποία φορτώνει τα δεδομένα από το .arff σε ένα αντικείμενο java
- Την weka2matlab που τελικά επιστρέφει δεδομένα σε μορφή Matlab πλέον

Βασικά όλες τις χρειάζεσαι, γιατί μερικές αλληλοκαλούνται (δλδ πρέπει να αντιγραφεί όλο το πακέτο)

Επίσης θα χρειαστεί λογικά και η trainWekaClassifier όπου για να έχουμε πχ χρήση του αλγορίθμου C4.5 πρέπει να ορίσουμε τύπο classifier weka.classifiers.trees.j48.* όπου * ένα από τα
BinC45ModelSelection   Class for selecting a C4.5-like binary (!) split for a given dataset.
BinC45Split   Class implementing a binary C4.5-like split on an attribute.
C45ModelSelection   Class for selecting a C4.5-type split for a given dataset.
C45PruneableClassifierTree   Class for handling a tree structure that can be pruned using C4.5 procedures.
C45PruneableClassifierTreeG   Class for handling a tree structure that can be pruned using C4.5 procedures and have nodes grafted on.
C45Split Class implementing a C4.5-type split on an attribute.

υποθέτω το 3ο ή το 6ο?

classifier = weka.classifiers.trees.J48.C45Split();
αυτο δουλευει κομπλέ
και φτιαχνει classifier οποιος ειναι editable


πως ομως τον χρησιμοποιούμε?

δείτε μια αυτό
http://stackoverflow.com/questions/6952315/how-to-load-arff-format-file-to-matlab

[tomshare3]

πως χωρισατε τα δεδομενα σε εκπαιδευσης και ελεγχου και σε τι ποσοστο??  τυχαια επιλογη και 60-40% ειναι καλα??? ειχε αναφερει κατι ο συμεω?

[mitsos_dlx]

Είχε πει σε κάποια στιγμή ότι αυτός θα έκανε cross-validation, που είναι εύκολο να το επιλέξεις μέσα από το γραφικό περιβάλλον στο weka αλλά δεν βρήκα ακόμα πως γίνεται μέσω matlab...