Interfaces-de-usuario-Explorer-y-Knowledge-Flow-en-Weka

Vista previa del material en texto

Interfaces de usuario “Explorer” y “Knowledge 
Flow en Weka 
Camila Alejandra Romero Beltrán1 
Julio de 2014 
 
 
Resumen: 
 
Weka es una plataforma de software libre que contiene herramientas de visualización y 
algoritmos para el análisis de datos, contiene 4 interfaces de usuario: Simple CLI, 
Explorer, Knowledge Flow y Experimenter, las cuales permiten manejar con mayor 
facilidad las herramientas del programa. A su vez, dentro de los distintos módulos, se 
manejan árboles de decisión que contribuyen de manera positiva en el momento de tomar 
decisiones e indican el camino a seguir según unas opciones y parámetros establecidos. 
Esta investigación va encaminada al análisis de las interfaces “Explorer” y “Knowledge 
Flow”, sus diferentes herramientas, similitudes y diferencias entre sí; se presenta 
información detallada acerca del manejo de datos y árboles de decisión utilizados en cada 
módulo. 
 
Palabras Clave: 
 
Weka, Archivo Arff, Procesamiento de datos, Árboles de decisión, Interfaz de usuario 
Explorer, Knowledge Flow. 
 
 
1 Estudiante de Ingeniería Química de la Universidad Nacional de Colombia, y monitor 
junior del grupo de Investigación y extensión de la Unidad de Informática y 
Comunicaciones de la Facultad de Ciencias Económicas durante 2014-I Correo 
Electrónico: caaromerobe@unal.edu.co. 
 
 
 
“Explorer” and “Knowledge Flow” User Interfaces 
on Weka 
 
Abstract: 
 
Weka is a platform of free software that contains tools of visualization and algorithms for 
the analysis of information, contains 4 user's interfaces: Simple CLI, Explorer, Knowledge 
Flow and Experimenter, which allow handling with major facility the functionalities of the 
program. Simultaneously, inside the different modules, there are decision trees that help 
us when we face decision scenarios and they indicate the way to go, according to the 
options that might be chosen. 
This investigation is addressed to the analysis of the interfaces "Explorer" and “Knowledge 
Flow”, with different tools, similarities and differences; detailed information on data 
management and decision trees used in each module. 
 
Keywords: 
Weka, Arff file, data processing, decision trees, User Interface Explorer, Knowledge Flow. 
 
 
 
 
 
 
 
 
 
INV- Interfaces de usuario “Explorer” y “Knowledge Flow” en Weka /2014-I 
 
 
 
Director Unidad Informática: 
Henry Martínez Sarmiento 
 
Tutor Investigación: 
Mario Andrés Rubiano Rojas 
 
Coordinadores: 
Andrés Felipe Hurtado Casas 
Mario Andrés Rubiano Rojas 
 
Coordinador Servicios Web: 
John Jairo Vargas 
 
Analista de Infraestructura y 
Comunicaciones: 
Diego Alejandro Jiménez Arévalo 
 
Analista de Sistemas de 
Información: 
Diego Armando Poveda Zamora 
 
 
 
 Estudiantes Auxiliares: 
Andrea Milena Novoa Ospina 
Andrés Felipe Acevedo Trujillo 
Angie Yamile Mayorga Coy 
Camila Alejandra Romero Beltrán 
Catalina Heredia Medina 
Cindy Carolina Lugo Rozo 
Daniel Andrés Roa Aponte 
Daniel Fernando Eslava Ursuga 
Daniel Felipe Leyva Díaz 
David Hernando Medina Cifuentes 
Deisy Julieth Roa Riveros 
Diego Armando Poveda Zamora 
Diego Fernando Ávila Ibáñez 
Edwar Leonardo Esteban Pérez 
Fredy Esteban Ahumada Avendaño 
Javier Rodríguez 
Joeline Simone Monterrosa Barajas 
Lasly Yulieth Vega Santamaría 
Sebastián Camilo Malpica Cárdenas 
Sergio Enrique Pulido Morales 
Walter Daniel Parra Jiménez 
Jeisson Daniel Mariño Ustacara 
Néstor Santiago Castro Triviño 
 
Este documento es resultado de un trabajo 
conjunto y coordinado de los integrantes de la 
Unidad de Informática y Comunicaciones de la 
Facultad de Ciencias Económicas de la 
Universidad Nacional de Colombia. 
 
 
 
Esta obra está bajo una licencia reconocimiento no comercial 2.5 Colombia 
de Creative Commons. Para ver una copia de esta licencia, visite 
http://creativecommons.org/licenses/by/2.5/co/ o envié una carta a Creative 
Commons, 171second street, suite 30 San Francisco, California 94105, 
USA. 
 
http://creativecommons.org/licenses/by/2.5/co/
 
 
 
 
Interfaz de usuario “Explorer” en Weka 
 
Introducción 
 
El objetivo general de la siguiente investigación es identificar las diferentes funciones que 
ofrecen las interfaces de usuario “Explorer” y “Knowledge Flow”, así como los diferentes 
árboles de decisión que se pueden manejar en el software. Para ésta investigación 2014-
I, se tienen en cuenta los documentos trabajados en el período 2013-II, los cuales trataron 
parte de la interfaz Knowledge Flow haciendo énfasis en el árbol de decisión J48. Se 
plantea la necesidad de ampliar la investigación en cuanto a los contenidos del software 
para entender con mayor profundidad el trabajo que realiza WEKA en cuanto al análisis 
de datos aplicado tanto en la interfaz “Explorer” como en “Knowledge Flow”. 
En primer lugar, se estudió de manera general cada una de las interfaces que posee el 
software, dando una breve introducción de cada una, permitiendo así al usuario tener una 
idea más clara y completa de los contenidos de WEKA. Adicionalmente, se realizó un 
análisis más detallado de las dos interfaces mencionadas inicialmente y finalmente se 
estudia un determinado grupo de árboles de decisión teniendo en cuenta facilidad de 
manejo y comprensión por parte de los usuarios, dando una corta definición de cada uno. 
 
INTERFACES DE USUARIO EN WEKA 
 
Weka es un software libre que contiene herramientas para datos de pre-procesamiento, 
clasificación, regresión y visualización, para acceder a estas funciones existen cuatro 
interfaces de usuario, las cuales son: 
 
 
INV- Interfaces de usuario “Explorer” y “Knowledge Flow” en Weka /2014-I 
 
o Simple CLI (Comand Line Interface): Permite acceder a las opciones de Weka 
mediante instrucciones por medio de una línea de texto simple. 
 
o Explorer (Explorador): Posee varios paneles que dan acceso a diferentes 
herramientas como importar base de datos, aplicación de algoritmos, análisis de 
regresión de datos entre otros que conforman el principal banco de trabajo de 
Weka. 
 
o Experimenter (Experimentador): Permite al usuario crear, correr, modificar y 
analizar experimentos de una manera conveniente. 
 
o Knowledge Flow (Flujo de conocimiento): Es una interfaz que contiene las mismas 
funciones de Explorer con la función adicional “Arrastrar y soltar” para la creación 
de árboles de decisión. 
 
 
INTERFAZ DE USUARIO “EXPLORER” 
El módulo Explorer es el más usado y descriptivo, permite realizar operaciones sobre un 
solo archivo de datos. La ventana principal se muestra a continuación: 
 
 
 
 
Ilustración 1. Ventana Principal de la interfaz Explorer. 
Explorer permite realizar tareas como: 
 
 Pre-procesamiento de datos. 
 
 Clasificación: Permite el acceso a técnicas de clasificación de datos y regresión. 
 
 Clustering (Agrupamiento de datos): Permite entender la estructura de los datos y 
las relaciones entre diferentes objetos. 
 
 Búsqueda y selección de atributos. 
 
 Visualización de datos. 
 
 
INV- Interfaces de usuario “Explorer” y “Knowledge Flow” en Weka /2014-I 
 
PREPROCESAMIENTO DE DATOS: 
 
“Preprocess” es uno de los seis sub-entornos que ofrece “Explorer” para su ejecución, 
esta opción corresponde a la primera pestaña en la ventana principal de la interfaz, 
incluye filtros y diferentes herramientas para la manipulación de datos. Para comenzar a 
trabajar es necesario establecer el origen de los datos, existen diferentes posibilidades de 
llevar a cabo esta acción por medio de los botones que se encuentran en la parte superior 
de la ventana (Ilustración 2). 
 
Ilustración 2. Botones para establecer el origen de los datos en Weka. 
 
A continuación se mencionará una de las 4 opciones por ser la más utilizada y sencilla de 
manejar: 
 
 
 
 
 Open File: Al pulsar sobre este botón aparecerá una ventana para seleccionarel 
archivo a cargar que debe estar guardado en el equipo donde se esté manejando 
el software. Éste archivo deberá ser creado en el Bloc de notas y guardado en el 
formato “arff” (Attribute Relation File Format), que es el más utilizado para el 
análisis de datos en Weka. Más adelante se mostrará un ejemplo para brindar 
mayor claridad al ususario. 
Para la creación de un archivo arff es necesario tener clara su estructura que se 
divide en 3 partes: 
 
1. Cabecera: Se debe definir el nombre de la relación. El formato es el 
siguiente: 
@relation <nombre_de_la_relación> 
 
2. Declaración de un atributo: Se da nombre al atributo y se declara el 
tipo, así: 
@attribute <nombre_del_atributo> <tipo> 
 
 Weka acepta distintos tipos, estos son: 
 NUMERIC Expresa números reales. 
 INTEGER Expresa sólo números enteros. 
 DATE Expresa fechas. 
 STRING Expresa cadenas de texto. 
 ENUMERADO Consiste en expresar entre llaves y separadas 
por comas, las opciones que tomará el atributo. Por ejemplo: 
 
@attribute tiempo {Soleado, lluvioso, nublado} 
 
INV- Interfaces de usuario “Explorer” y “Knowledge Flow” en Weka /2014-I 
 
3. Sección de datos: Se declaran los datos que pertenecen a la relación 
separando por comas los atributos y con un salto de línea las relaciones, 
si algún dato es desconocido se coloca un símbolo de cerrar interrogación 
(?). 
@data 
4,3,2 
 
A continuación se mostrará un ejemplo sencillo para comenzar a trabajar con Weka: 
 
o Se realizó una encuesta a un número determinado de personas acerca de su 
estrato, género, edad y carrera universitaria, el objetivo de nuestro análisis será 
cuantificar todos los datos de manera que podamos obtener cuántas personas 
según estrato, género y edad pertenecen a cada una de las carreras universitarias 
ofertadas, en este caso: Ingeniería, Economía y Derecho. Dentro de las distintas 
interpretaciones que se puede dar a este ejemplo, está la predicción del estrato y 
la edad de las personas encuestadas de acuerdo cada carrera universitaria. 
 
El siguiente archivo muestra los datos anteriormente descritos teniendo en cuenta 
el formato “arff” ya mencionado. A su vez, deberá ser creado en el Bloc de notas y 
guardado con la extensión “ . arff ”. 
 
@relation WEKA 
 
@attribute estrato {1, 2, 3, 4, 5,6} 
 
@attribute sexo {Femenino, Masculino} 
 
@attribute edad NUMERIC 
 
@attribute carrera_universitaria {Ingeniería, Economía, Derecho} 
 
@data 
 
3, Femenino, 18, Ingeniería 
 
 
 
2, Masculino, 21, Economía 
4, Femenino, 19, Derecho 
1, Masculino, 20, Ingeniería 
3, Femenino, 18, Economía 
4, Masculino, 19, Derecho 
5, Masculino, 18, Derecho 
3, Masculino, 19, Ingeniería 
3, Masculino, 20, Ingeniería 
4, Femenino, 19, Economía 
3, Femenino, 21, Derecho 
2, Masculino, 18, Derecho 
3, Femenino, 19, Economía 
3, Femenino, 18, Economía 
4, Masculino, 19, Derecho 
5, Masculino, 18, Derecho 
3, Femenino, 18, Ingeniería 
2, Masculino, 21, Economía 
4, Femenino, 19, Derecho 
1, Masculino, 20, Ingeniería 
 
 
 
Luego de cargar el archivo se muestran en la ventana los atributos correspondientes a los 
datos con algunas características estadísticas como la media, rango de los datos, 
desviación estándar, entre otros; además de una representación gráfica que puede variar 
según el atributo seleccionado en la lista desplegable situada al lado izquierdo del botón 
“Visualize All” (Opción que se muestra resaltada en un recuadro-Ilustración 3). Al 
seleccionar la opción Visualize All se abrirá una ventana con las gráficas de todos los 
atributos (Ilustración 4). 
 
INV- Interfaces de usuario “Explorer” y “Knowledge Flow” en Weka /2014-I 
 
 
Ilustración 3. Ventana con los atributos correspondientes a los datos cargados. 
 
 
 
 
Ilustración 4. Gráfica de cada uno de los atributos mostrados en una misma ventana. 
 
En la Ilustración 4, observamos distintas gráficas que corresponden a cada uno de los 
atributos trabajados: estrato, sexo, edad y carrera universitaria. Como se mencionó 
anteriormente las gráficas dependerán del atributo seleccionado inicialmente, en este 
ejemplo se eligió “Carrera Universitaria” la cual tiene tres opciones: Ingeniería, Economía 
y Derecho tomando respectivamente el azul oscuro, rojo y azul claro como colores 
representativos de la variable en el análisis de los datos, así cada gráfica tendrá su 
interpretación de la siguiente manera: 
 
Gráfica 1: “Estrato” 
 Existen 6 opciones para esta variable nominal (estrato) recordando que se dio a 
elegir entre 1 y 6 correspondiendo cada valor a una barra en el gráfico, siendo así, 
se dice que hay una persona de estrato 1 la cual pertenece a Ingeniería, una de 
INV- Interfaces de usuario “Explorer” y “Knowledge Flow” en Weka /2014-I 
 
estrato 2 que estudia Economía, tres personas de estrato 3 donde una estudia 
economía y las otras 2 Ingeniería; por último se observa que hay 2 personas de 
estrato 4 y una de estrato 5, perteneciendo todas a Derecho. 
 
Gráfica 2: “Sexo” 
 Se muestran dos columnas dadas por las opciones: Femenino y Masculino; 
podemos interpretar con la primera barra que hay 3 mujeres, 1 de Ingeniería, 1 de 
Economía y 1 de Derecho, así como 5 hombres: 2 de Ingeniería, 1 de economía y 
2 de derecho siguiendo el patrón respectivo de los colores. 
 
Gráfica 3: “Edad” 
 En la tercera gráfica tenemos los datos de las edades que al ser un dato numérico 
nos brinda un rango más amplio de valores teniendo en cuenta el mínimo, el 
máximo y la media, a su vez se interpretan los colores de la misma manera que 
las gráficas anteriores, concluyendo que hay 6 personas entre los 18 y 18.5 años 
siendo 2 de Ingeniería, 1 de Economía y 3 de Derecho. Siguiendo el mismo orden 
la gráfica nos muestra a 2 personas entre 18.5 y 21 años siendo 1 de Ingeniería y 
1 de economía. 
 
Gráfica 4: “Carrera Universitaria” 
 Teniendo en cuenta que a partir de este atributo se realizaron las demás gráficas, 
esta cuarta gráfica es la más sencilla de analizar puesto que solo existen 3 barras 
cada un representando una variable, la primera los estudiantes de Ingeniería, la 
segunda los de Economía y la última estudiantes de Derecho. 
 
Adicionalmente, la opción de preprocesamiento permite realizar filtros sobre los datos con 
el objetivo de transformar los mismos, por ejemplo, pasar de datos numéricos a valores 
discretos, además de eliminar registros o atributos previamente especificados. Para 
 
 
 
acceder a esta opción es necesario seleccionar el botón Choose donde se despliega una 
lista, se debe seguir la siguiente ruta para encontrar diferentes opciones de filtros: 
 Weka-> Filters -> Supervised ->Attribute. 
 
 
Ilustración 5.Lista desplegable de filtros en la Interfaz Explorer. 
 
A continuación se mencionarán algunos de los filtros que aparecen en “Attribute” que es la 
opción más trabajada en Weka: 
 
Atributte: Los filtros aplicados en esta categoría son aplicados a los atributos. 
 
 
INV- Interfaces de usuario “Explorer” y “Knowledge Flow” en Weka /2014-I 
 
 
o AddClassification: Añade un atributo, para esto debemos proporcionar la posición 
que va a ocupar, el nombre y los posibles valores que tendrá separados por 
comas; al no especificar el tipo se asumirá que el atributo es numérico. 
 
o Discretize: Discretiza un conjunto de valores numéricos en un rango de datos. 
Transforma datos cuantitativos a datos cualitativos. 
 
o NominalToBinary: Transforma los valores nominales de un atributo en un vector 
cuyas coordenadas son binarias. 
 
 
 
CLASIFICACIÓN: 
Dando clic en la segunda pestaña del explorador (parte superior izquierda de la ventana) 
entramos al modo de clasificación (Ilustración 6). Weka ofrece 4 modos de prueba (Test 
Options): 
 
o Use training set: Se trabaja con los registros que se encuentran ya 
cargados. Esta opción es la que se va a utilizar para el manejo de las 
bases de datos en Weka.o Supplied test set: Se puede seleccionar un archivo arff con el cual se 
probará el clasificador seleccionado. 
 
 
o Cross-Validation: El aprendizaje en Weka se hará a partir de la cantidad 
de datos que queramos. 
 
o Percentage-Split: Se define un porcentaje con el que se va a construir el 
clasificador. 
 
 
 
 
 
Ilustración 6. Ventana principal de la opción Cassify. 
 
A partir de esta base de datos ya cargada se va a realizar un análisis más a fondo, para 
ello vamos a crear toda la información necesaria para obtener un árbol de decisión y así 
leer de forma clara cada uno de los atributos y llegar a conclusiones acertadas en el 
menor tiempo. 
Para comenzar, se debe elegir la opción “Use training set”, luego, dar click en la opción 
“Choose” (Señalada en la Ilustración 7) lo cual nos abrirá una lista de opciones e iremos 
directamente a la opción “Trees” con el objetivo de elegir uno de los modelos de árboles 
de decisión que el software nos ofrece (Ilustración 8). 
 
INV- Interfaces de usuario “Explorer” y “Knowledge Flow” en Weka /2014-I 
 
 
Ilustración 7. Visualización de la opción "Choose". 
 
 
 
 
 
Ilustración 8. Lista desplegable a partir de la opción "Choose". 
Visualización diferentes tipos de árboles de decisión. 
 
Para comenzar con el proceso de clasificación se deberá elegir un árbol de decisión, a 
continuación se definen algunos de ellos: 
 
o ADTree- Alternating Decision Tree: Su estructura de datos y su algoritmo son una 
generalización de los árboles de decisión, está compuesto por dos tipos de nodos, 
splitter y predicción; el primero, hace referencia a una prueba y el segundo está 
más asociado a una regla. 
 
o Decision Stump o árbol de decisión de un nivel: Son árboles que clasifican datos 
basados en valores específicos, contiene nodos y ramas donde cada nodo 
representa una característica a ser clasificada y la rama el valor que este puede 
tomar. 
 
INV- Interfaces de usuario “Explorer” y “Knowledge Flow” en Weka /2014-I 
 
o ID3: Es un algoritmo simple que elige al azar un subconjunto de datos a partir de 
unos datos base permitiendo así, la elaboración de un árbol de decisión 
clasificando correctamente los datos de entrenamiento. 
 
o J48: Es un algoritmo que genera un árbol o una estructura de reglas a partir de 
ventanas extraídas de un caso general o principal evaluando mediante 
determinados criterios la precisión de cada uno de los datos en ciclos sucesivos. 
 
o LMT (Logistc Model Tree): Brinda una descripción detallada de los datos, es un 
algoritmo que permite la creación de un árbol de decisión con funciones de 
regresión. 
 
o RandomForest: Es un método eficaz para estimar datos perdidos y mantiene cierto 
grado de exactitud en bases de datos demasiado grandes, además, brinda 
información acerca de la relación entre las variables y sus clasificaciones. 
 
o User Classifier: Permite al usuario crear su propio árbol de decisión, cada nodo 
tiene sólo dos ramas que se desprenden del mismo. 
 
 
Luego de elegir un árbol de decisión, el siguiente paso es pulsar el botón Start. A 
continuación aparecerá toda la información del experimento en la parte derecha de la 
ventana (Ilustración 9). Es recomendable usar el árbol de decisión J48 debido a que 
permite trabajar con valores continuos de los atributos dividiendo en ramas las diferentes 
opciones permitiendo tener una secuencia ordenada de cada uno de los valores 
generando a su vez, una mejor interpretación de los datos. 
 
 
 
 
 
 
 
Ilustración 9. Ventana de visualización para el análisis de datos. 
 
En la parte inferior izquierda aparecerá una lista de todos los experimentos realizados, al 
dar clic derecho se desplegará una lista de opciones que nos permite visualizar de 
manera diferente los resultados obtenidos incluyendo la ejecución de gráficas (Ilustración 
10). A continuación se realizará una breve explicación de cada una de las opciones que 
aparecen en el menú anteriormente mencionado: 
 
INV- Interfaces de usuario “Explorer” y “Knowledge Flow” en Weka /2014-I 
 
 
Ilustración 10.Se visualiza la lista de opciones para cada experimento realizado. 
 
o View in main window: Muestra el resultado del experimento en la pantalla 
principal del clasificador. 
 
o View in separate window: Permite visualizar el resultado en una nueva ventana. 
 
o Save result buffer: Guarda el resultado del experimento en un fichero. 
 
o Load model: Carga un modelo de clasificador ya construido. 
 
o Save model: Guarda el modelo de clasificación actual. 
 
 
 
 
o Re-evaluate model on current test set: Enfrenta otro modelo con un conjunto de 
datos actual. 
 
o Visualize clasiffier errors: Se abre una nueva ventana donde se muestra una 
gráfica con los errores de clasificación 
 
o Visualize tree: Esta opción mostrará un árbol de decisión generado por el 
clasificador. Se mostrará una ventana como la siguiente según el clasificador que 
se haya escogido. 
 
 
Ilustración 11. Árbol de decisión teniendo en cuenta la variable "Estrato". 
INV- Interfaces de usuario “Explorer” y “Knowledge Flow” en Weka /2014-I 
 
 
Ilustración 12. Árbol de decisión teniendo en cuenta la variable "Carrera universitaria". 
 
o Visualize margin curve: Muestra por medio de una curva la diferencia entre la 
probabilidad de la clase estimada y la máxima probabilidad de otras clases 
(Ilustración 13). 
 
 
 
 
 
Ilustración 13. Gráfica Curva Marginal. 
 
En la parte derecha de la ventana se encuentran diferentes casillas a elegir para obtener 
diferentes combinaciones en cuanto a las variables X y Y. 
 
INTERFAZ DE USUARIO “KNOWLEDGE FLOW” 
 
Ésta interfaz de usuario en Weka describe mejor el funcionamiento interno del programa. 
Su objetivo es situar en el panel de trabajo (Zona blanca de la ventana, Ilustración 14) 
elementos base (Situados en la parte superior de la ventana) conectando cada uno de 
ellos entre sí para formar un circuito que defina el experimento a realizar, a esto lo 
llamaremos Flujo de Conocimiento. 
 
INV- Interfaces de usuario “Explorer” y “Knowledge Flow” en Weka /2014-I 
 
A continuación se muestra la ventana principal de esta interfaz: 
 
 
Ilustración 14. Interfaz de usuario "Knowledge Flow" 
 
Como se observa en la Imagen anterior existen ocho pestañas en la Interfaz “Knowledge 
Flow”: 
 DataSources: Contiene los distintos cargadores de datos. 
 
 
 
 
 
 
 
 DataSinks: Contiene los almacenadores de datos. 
 
 
 
 Filters: Se encuentran todos los tipos de filtros estudiados para Weka. 
 
 
 
 Classifiers: Contiene los clasificadores de datos. 
 
 
 
 Clusterers: Contiene los agrupadores de datos usados en el software. 
 
 
 
 Evaluation: Contiene distintos métodos de evaluación de datos para Weka, a 
continuación se mencionará cada uno de ellos: 
 
INV- Interfaces de usuario “Explorer” y “Knowledge Flow” en Weka /2014-I 
 
 
 TrainingSetMaker: Crea un conjunto de datos en el conjunto de 
entrenamiento. 
 
 TrainingSetMarker: Crea un conjunto de datos en el conjunto de 
entrenamiento. 
 
 TestSetMaker: Crea un conjunto de datos en el conjunto de prueba. 
 
 CrossValidationFoldMaker: Divide cualquier conjunto de datos en pliegues. 
 
 TrainTestSplitMaker: Divide cualquier conjunto de datos en un conjunto de 
entrenamiento y un conjunto de prueba. 
 
 ClassAssigner: Asigna una columna para ser la clase de cualquier conjunto 
de datos, sea de entrenamiento o de prueba. 
 
 ClassValuePicker: Elige el valor de una clase considerado como la clase 
positiva, éste es útil cuando se generan datos para estilos de curva ROC 
(Receiver Operating Characteristic). 
 
 ClassifierPerformanceEvaluator: Evalúa el desempeño de los lotes 
formados y los clasificadores formados. 
 
 IncrementalClassifierEvaluator: Evalúa el desempeño de los clasificadores 
formados incrementalmente. ClustererPerformanceEvaluator: Evalúa el desempeño de los lotes 
formados y los agrupadores formados. 
 
 PredictionAppender: Anexa predicciones del clasificador a un conjunto de 
pruebas. Para problemas de clase discreta, se pueden anexar etiquetas de 
clase o distribuciones de probabilidad. 
 
 Visualization: Esta categoría permite visualizar los datos de diferentes formas 
indicadas a continuación: 
 
 
 
 
 
 DataVisualizer: Permite la aparición de un panel para visualizar los datos 
en un solo gráfico de dispersión 3D. 
 
 ScatterPlotMatrix: Muestra en un panel una matriz con pequeños gráficos 
de dispersión. 
 
 AttributeSummarizer: Muestra en un panel una matriz de histogramas, cada 
uno de los atributos en los datos cargados. 
 
 ModelPerformanceChart: Componente que puede mostrar un panel para la 
visualización de curvas estilo ROC. 
 
 TextViewer: Componente para mostrar datos textuales. 
 
 GraphViewer: Muestra un panel con árboles basados en los modelos de 
decisión ya trabajados en el software. 
 
 StripChart: Componente que puede mostrar un panel donde se visualiza un 
gráfico con el desplazamiento de los datos (Usado para ver el rendimiento 
de clasificadores incrementales). 
 
La interfaz Knowlegde Flow es más amigable con el usuario, posee íconos para arrastrar 
y soltar lo cual permite una interacción con el software; trabaja de la misma manera que 
“Explorer” con algunas diferencias como: 
 
 La Interfaz Knowledge Flow maneja los datos de manera incremental o por lotes 
mientras que “Explorer” solo utiliza dentro de sus funciones un procesamiento de 
datos por lotes. 
INV- Interfaces de usuario “Explorer” y “Knowledge Flow” en Weka /2014-I 
 
 
El modelo Incremental consiste en el análisis de los datos por etapas en forma de 
cadena, cada etapa corresponde a un incremento que dependerá del 
inmediatamente anterior, cada incremento tiene un ciclo de vida (Ilustración 15) 
que se repite hasta obtener un resultado final adaptado a las necesidades del 
usuario. Debido a que el trabajo completo se realiza en la etapa inicial del análisis, 
es necesario conocer cada uno de los requerimientos antes de comenzar a 
trabajar con el modelo. Debido a que este modelo es de naturaleza interactiva, el 
usuario es el encargado de identificar y brindar al software los parámetros más 
importantes dando prioridad a algunos de ellos según los requerimientos propios y 
el resultado que se desea obtener. 
 
 
 
Ilustración 15. Modelo Incremental. 
 
En el procesamiento por lotes se ejecuta una lista de comandos al mismo tiempo, uno tras 
otro sin la intervención del usuario debido a que son procesos ininterrumpidos, al usar 
este método se debe tener un objetivo específico con un fin común. Es útil cuando existen 
gran cantidad de datos a procesar y requiere de acciones repetitivas sin supervisión 
alguna, sin embargo, se observa una desventaja al momento de no ser interactivo con el 
usuario. 
 
 
 
Para explicar el funcionamiento de esta interfaz, se realizará un ejemplo con los datos que 
se han venido trabajando desde el inicio del documento, crearemos un árbol de decisión 
(J48) tanto gráfico como en texto y se analizarán los resultados finales. 
 
1. Para comenzar con el flujo de conocimiento se debe establecer la fuente de los 
datos, para esto damos click en la pestaña superior de la ventana “DataSources”, 
luego, elegimos el botón “ArffLoader” de la barra de herramientas (el puntero del 
ratón se convertirá en una cruz) se debe dar click en algún espacio del área de 
trabajo donde se mostrará el ícono que se eligió. 
 
2. A continuación se debe especificar el archivo a cargar, para esto, se da click 
derecho sobre el ícono ArffLoader en el área de trabajo y se selecciona la opción 
“Configure”, aparecerá una ventana para seleccionar el archivo guardado 
debidamente en el formato “arff”. 
 
3. En la pestaña de evaluación, en la parte superior de la ventana, se debe elegir el 
ícono “ClassAsigner” y colocarlo en el área de trabajo, luego, se configurará dando 
click derecho sobre la figura eligiendo la clase dentro de los atributos que se 
tienen. 
 
4. Se deben conectar los íconos de ArffLoader y ClassAsigner, para esto, se dará 
click derecho sobre “ClassAsigner” y se selecciona la opción “dataSet”; aparecerá 
una flecha la cual se debe dirigir hasta el otro componente y así, unir los dos. 
 
5. El siguiente paso es seleccionar de la barra de herramientas en la pestaña de 
Evaluación el ícono “CrossValidation FoldMarker” y ubicarlo en el diseño, para 
conectar este comando con el “ClassAsigner” se hará de la misma manera que el 
paso anterior. 
 
6. Ahora, se debe colocar en el área de diseño el ícono “J48” ubicado en la pestaña 
de “Classifiers” en la sección “trees” que se encuentra al final de la barra de 
herramientas ubicada en la parte superior de la ventana. 
 
INV- Interfaces de usuario “Explorer” y “Knowledge Flow” en Weka /2014-I 
 
7. Para la conexión de los dos últimos elementos ubicados en el área de trabajo se 
deben dirigir dos flechas con funciones distintas desde “CrossValidation 
FoldMarker” hasta “J48”, una es “dataSet” y la otra “trainingSet” de la misma 
manera que se ha visto trabajando con la unión de componentes anteriores. 
 
8. El siguiente ícono a establecer en el flujo de conocimiento es 
ClassifierPerformanceEvaluator ubicado en la pestaña “Evaluation”, la opción a 
elegir para la unión de los componentes (J48 y ClassifierPerformanceEvaluator) 
es “batchClassifier”. 
 
9. Para la visualización del resultado se seleccionará en la pestaña “Visualization” los 
íconos “TextViewer” y “GraphViewer” , el primero conectado al anterior por medio 
de la opción “Text” y el segundo conectado al ícono de J48 por medio de la opción 
“Graph”. 
 
10. Para que el circuito comience a analizar los datos se debe dar click derecho sobre 
el primer ícono establecido en el área de trabajo (ArffLoader) eligiendo la opción 
“Start Loading”. 
 
Teniendo el flujo de conocimiento estructurado, en la parte inferior de la ventana 
aparecerán errores que surjan en el funcionamiento del flujo de conocimiento, así mismo, 
avisará cuando esté listo para mostrar los resultados (Cuadro rojo- Ilustración 16). 
Cuando se muestre que el proceso ha sido finalizado, se dá click derecho en cada uno de 
los íconos finales (TextViewer y GraphViewer) y se elige la opción “View Results”, a 
continuación aparecerá una ventana emergente con los resultados del experimento 
realizado sea gráfico o escrito (Ilustración 17 e Ilustración 18). Para visualizar los 
resultados gráficos se debe dar click en las diferentes opciones de una lista desplegable 
de la ventana (Ilustración 19). 
 
 
 
 
Ilustración 16. Flujo de conocimiento para árbol J48. Visualización de errores. 
 
 
Ilustración 17. Visualización del árbol J48 en modo texto. 
INV- Interfaces de usuario “Explorer” y “Knowledge Flow” en Weka /2014-I 
 
 
 
Ilustración 18. Lista de gráficos diseñados. 
 
 
Ilustración 19.Primer gráfico de la lista, Set1 (WEKA) J48. 
 
 
 
 
 
Ilustración 20.Algoritmo J48 según la clase "Carrera Universitaria" Set7 (WEKA) J48. 
 
Como se evidencia en los resultados anteriores, tanto el análisis de los datos en texto 
como los árboles de decisión tienen una relación significativa con los obtenidos en la 
interfaz “Explorer” (Ver Ilustración 12 e Ilustración 20). 
Por otro lado, para tener una visión más amplia de la interfaz “Knowledge Flow” y su 
funcionalidad, se realizarán a continuación otros ejemplos que involucran el algoritmo Id3 
y curvas ROC. 
Inicialmente, se debe tener en cuenta que el proceso de creación del flujo de 
conocimiento para el algoritmo Id3 es similar al realizado para el árbol de decisión J48. 
Para la creación de este flujo de conocimiento, se deben repetir los pasos 1 al 4 de la 
creación del árbol J48,luego de tener los íconos ubicados y la clase asignada se deben 
discretizar los datos para que los resultados los podamos visualizar con mayor precisión, 
como sigue a continuación: 
1. Seleccione el ícono “Discretize” ubicado en la parte superior de la ventana, en la 
pestaña “Filters” , luego de ubicarlo en el área de trabajo, se debe unir como se ha 
venido trabajando con la función anterior “Class Asigner” mediante una flecha y 
con la opción “dataSet”. 
 
INV- Interfaces de usuario “Explorer” y “Knowledge Flow” en Weka /2014-I 
 
2. A continuación se debe seleccionar de la barra de herramientas en la pestaña de 
“Evaluación” el ícono “CrossValidation FoldMarker” y ubicarlo en el diseño, 
conectando de manera adecuada con el ícono trabajado anteriormente. 
 
3. Ahora, se debe colocar en el área de diseño el ícono ID3 ubicado en la pestaña de 
“Classifiers” en la sección “tres” que se encuentra en la parte superior de la 
pestaña, al final de la lista de herramientas que se observan. 
 
4. Para la conexión de los dos últimos elementos ubicados en el área de trabajo se 
deben dirigir dos flechas con funciones distintas desde “CrossValidation 
FoldMarker” hasta “ID3”, una es “DataSet” y la otra “trainingSet”. 
 
5. Se debe usar un clasificador más para que el árbol de decisión Id3 arroje 
resultados óptimos. “Classifier PerformanceEvaluator” el cual se unirá al ícono 
anterior por medio de la opción “batchClassifier” (No olvidar que la dirección en la 
que se unen los componentes es importante, la flecha sale del componente 
anterior al que se unirá ya que este corresponde a la punta de la flecha). 
 
6. Por último, para visualizar el resultado se selecciona en la pestaña de 
“Visualización” el ícono “TextViewer”, conectando “Classifier Performance 
Evaluator” por medio de la opción “text” a este último componente del flujo. 
 
7. Se debe dar click derecho en el primer ícono del flujo (“ArffLoader”) y seleccionar 
la opción “Start Loading” para que el circuito comienzo a funcionar y 
posteriormente muestre los resultados. 
 
En la Ilustración 21, se observa el flujo de conocimiento que resulta al seguir cada uno de 
los pasos, y en la Ilustración 22 se muestran los resultados del árbol Id3 creado en forma de 
texto. 
La creación de flujos de conocimiento puede ser libre para el usuario teniendo en cuenta 
la claridad de los conceptos en cuanto a cada una de las funciones en Weka, gracias a su 
interfaz gráfica, el experimentar puede ser una acción menos compleja debido a su 
ventana de errores y su facilidad en el cambio de componentes. 
 
 
 
 
Ilustración 21.Flujo de conocimiento para el algoritmo Id3. 
 
 
 
Ilustración 22. Árbol de decisión ID3 en forma de texto. 
 
 
INV- Interfaces de usuario “Explorer” y “Knowledge Flow” en Weka /2014-I 
 
Para finalizar, se realizará un ejemplo acerca de la creación de curvas ROC en Weka 
mediante un flujo de conocimiento como los trabajados anteriormente. Para este ejemplo 
usaremos J48 y RandomForest como clasificadores, al igual que con el ejemplo anterior 
se deben seguir los 4 primeros pasos hasta tener en el área de trabajo un circuito con los 
íconos “ArffLoader” y “ClassAsigner”.Luego: 
1. Seleccione el ícono ClassValuePicker (Permite elegir qué clase de etiqueta será 
evaluada en la curva ROC), se debe conectar por medio de una línea y la opción 
dataSet, los íconos ClassAsigner y ClassValuePicker. 
2. El siguiente componente del flujo de conocimiento será CrossValidationFoldMarker 
ubicado en la pestaña “Evaluation” el cual deberá ser conectado con el ícono 
anterior de la misma forma que se ha venido trabajando. 
3. En la pestaña “Classifiers” , en la sección “trees” se debe seleccionar el ícono J48 
ubicarlo en el área de trabajo y luego, “RandomForest”, conectando 
CrossValidationFoldMarker a cada uno de estos íconos mediante las opciones 
“trainingSet” y “testSet”. 
4. El siguiente paso, será elegir el ícono “ClassifierPerformanceEvaluator” unido a 
J48 y a RandomForest mediante la opción “batchClassifier”. (Se deben ubicar dos 
íconos del mismo “ClassifierPerformanceEvaluator” en el área de trabajo) 
5. Por último, se debe conectar al flujo de conocimiento el ícono 
“ModelPerformanceChart” y unirlo mediante la opción “thresholdData”. 
En la Ilustración 23 se mostrará el flujo de conocimiento resultante. 
Ilustración 23
 
Ilustración 23.Flujo de conocimiento para la creación de curvas ROC. 
 
 
 
Conclusiones 
 
o La interfaz “Explorer” en Weka posee diferentes herramientas que ofrece al 
usuario ventajas tales como clasificación, agrupamiento, asociación y selección de 
atributos, así como visualización de datos. 
 
o La creación del manual de usuario es una herramienta útil para guiar de manera 
adecuada el uso del software fomentando el aprendizaje autónomo. 
 
o Mediante la investigación se demuestra la importancia del uso de software 
encaminados a la minería de datos en cuanto al descubrimiento y organización del 
conocimiento. 
 
 
Referencias 
 
Jofré Nicolás (2011). Trabajo Final de Ingeniería, Weka- Data Mining. 
Obtenido de http://tfialumnos.files.wordpress.com 
 
(2001). Weka Data Mining System- Weka Experimenter Enviroment. 
Obtenido de http://www.inf.ed.ac.uk/teaching/courses/dme/html/Experiments.pdf 
 
Paula Andrea Vizcaino Garzón (2008). Aplicación de técnicas de inducción de 
árboles de decisión a problemas de clasificación mediante el uso de Weka. 
Obtenido de 
http://www.konradlorenz.edu.co/images/stories/suma_digital_sistemas/2009_01 
 
 
 
http://tfialumnos.files.wordpress.com/
http://www.inf.ed.ac.uk/teaching/courses/dme/html/Experiments.pdf
http://www.konradlorenz.edu.co/images/stories/suma_digital_sistemas/2009_01
INV- Interfaces de usuario “Explorer” y “Knowledge Flow” en Weka /2014-I 
 
http://procesosoftware.wikispaces.com/Modelo+Incremental Imagen 15 
 
http://www.ecured.cu/index.php/Procesamiento_por_lotes Procesamiento por lotes 
http://es.wikipedia.org/wiki/Procesamiento_por_lotes Procesamiento por lotes 
 
http://riunet.upv.es/bitstream/handle/10251/10097/PFC_DSIC-
80_Agust%C3%ADnCalleja.pdf?sequence=1 
 
 
http://procesosoftware.wikispaces.com/Modelo+Incremental
http://www.ecured.cu/index.php/Procesamiento_por_lotes
http://es.wikipedia.org/wiki/Procesamiento_por_lotes
http://riunet.upv.es/bitstream/handle/10251/10097/PFC_DSIC-80_Agust%C3%ADnCalleja.pdf?sequence=1
http://riunet.upv.es/bitstream/handle/10251/10097/PFC_DSIC-80_Agust%C3%ADnCalleja.pdf?sequence=1