Mineração de dados com WEKA, Parte 1: Introdução e regressão
|
|
- Baltazar Caldas
- 5 Há anos
- Visualizações:
Transcrição
1 Mineração de dados com WEKA, Parte 1: Introdução e regressão A mineração de dados é o assunto da indústria de tecnologia, na medida em que as empresas estão gerando milhões de pontos de dados sobre seus usuários e buscando um modo de transformar estas informações em mais receita. A mineração de dados é um termo coletivo para dúzias de técnicas que retiram informações dos dados e as transformam em algo significativo. Este artigo apresenta o software de mineração de dados de código aberto e algumas das técnicas mais comuns para interpretar dados. Michael Abernethy, Product Development Manager, Optimal Auctions 1 O que é mineração de dados? É possível que ocasionalmente nos façamos esta pergunta, pois este assunto parece estar chamando cada vez mais a atenção no mundo da tecnologia. Sabe-se que empresas como Google e Yahoo! estão gerando bilhões de pontos de dados sobre todos os seus usuários, e poderíamos perguntar, "O que eles planejam fazer com todas essas informações?" Também podemos ficar surpresos ao saber que a Walmart é uma das mais avançadas empresas em mineração de dados e na aplicação de seus resultados ao negócio. Virtualmente todas as empresas do mundo já estão usando a mineração de dados, e quem não está logo vai sofrer uma extrema desvantagem. Assim, como fazer você e sua empresa adotarem a mineração de dados? Esperamos responder a todas as suas perguntas iniciais sobre a mineração de dados. Também vamos apresentar o Waikato Environment for Knowledge Analysis (WEKA), um software gratuito e de código aberto que pode ser usado para minerar seus próprios dados e transformar o conhecimento sobre seus usuários, clientes, e seu negócio em informações úteis para aumentar sua receita. Veremos que não é tão difícil assim fazer um trabalho "satisfatório" de mineração de dados. Além disso, este artigo vai discutir a primeira técnica de mineração de dados: a regressão, que transforma os dados existentes em uma previsão numérica para dados futuros. Provavelmente este é o método mais fácil de mineração de dados, e mesmo em um nível simples algo que já pode ter sido feito antes em seu software favorito de planilha eletrônica (embora o WEKA possa fazer cálculos muito mais complexos). Futuros artigos vão abordar outros métodos de mineração de dados, incluindo armazenamento em cluster, vizinho mais próximo, e árvores de classificação. (Se esses termos não significarem nada para você, não se preocupe. Todos eles serão cobertos nesta série.) A mineração de dados, basicamente, é a transformação de grandes quantidades de dados em padrões e regras significativos. Além disso, ela pode ser dividida em dois tipos: direcionada e não direcionada. Na mineração de dados direcionada tentamos prever um ponto de dados em particular o preço de venda de uma casa baseado em informações sobre outras casas à venda no bairro, por exemplo. Na mineração de dados não direcionada tentamos criar grupos de dados, ou achar padrões em dados existentes criando o grupo demográfico "Mãe de Futebol", por exemplo. Com efeito, todo censo é mineração de dados, na medida em que o governo busca reunir dados sobre todos os habitantes do país e transformar isto em informações úteis. Em nosso caso, a mineração de dados moderna começou em meados da década de 1990, quando o poder de computação e o custo de seu processamento e armazenamento finalmente alcançou um nível que permitia as empresas fazê-la internamente, sem precisar recorrer a recursos de computação externos. Além disso, o termo mineração de dados é muito abrangente, se referindo a dúzias de técnicas e procedimentos usados para examinar e transformar dados. Então, esta série de artigos só vai arranhar a superfície do que é possível fazer com a mineração de dados. Os especialistas provavelmente têm doutorado em estatística e já passaram anos em campo. Isso pode dar a impressão de que a mineração de dados é algo que só as grandes empresas podem pagar. Esperamos esclarecer muitos destes conceitos errôneos sobre a mineração de dados, e deixar claro que ela não é tão fácil quanto simplesmente rodar uma função em uma planilha eletrônica contra uma grade de dados, mas não é tão difícil assim que ninguém consiga fazer pelo menos uma parte dela sozinho. 1
2 Este é um exemplo perfeito do paradigma 80/20 talvez até mesmo chegando ao paradigma 90/10. É possível criar um modelo de mineração de dados com uma efetividade de 90% com apenas 10 % dos conhecimentos de um destes assim-chamados especialistas em mineração de dados. Para incluir os 10% restantes no modelo e criar um modelo perfeito, seria preciso 90% de tempo adicional e talvez mais 20 anos. Então, a menos que se planeje fazer carreira na mineração de dados, é provável que o "razoável" seja tudo o que você precisa. Olhando a coisa de outro modo, provavelmente o razoável é melhor do que aquilo que está sendo feito agora. Em última instância, o objetivo da mineração de dados é criar um modelo, um modelo que possa melhorar o modo pelo qual lemos e interpretamos nossos dados existentes e futuros. Como há muitas técnicas de mineração de dados, o passo principal para criar um bom modelo é determinar que tipo de técnica deve ser usada. Isso vem com a prática e a experiência, e alguma orientação. A partir de então, o modelo precisa ser refinado para ficar ainda mais útil. Depois de ler estes artigos devemos poder olhar nosso conjunto de dados, determinar a técnica certa a ser usada, e então adotar as medidas para refiná-la. Vamos poder então criar um modelo razoavelmente bom para nossos próprios dados. A mineração de dados não é o domínio exclusivo das grandes empresas e do software caro. Na realidade, há um software que faz quase todas as mesmas coisas que estes programas caros este software se chama WEKA (vide Recursos). O WEKA é um produto da Universidade de Waikato (Nova Zelândia) e foi implementado pela primeira vez em sua forma moderna em Ele usa a GNU General Public License (GPL). O software foi escrito na linguagem Java e contém uma GUI para interagir com arquivos de dados e produzir resultados visuais (pense em tabelas e curvas). Ele também tem uma API geral, assim é possível incorporar o WEKA, como qualquer outra biblioteca, a seus próprios aplicativos para fazer coisas como tarefas de mineração de dados automatizadas no lado do servidor. Neste ponto, vamos prosseguir e instalar o WEKA. Ele é baseado em Java, assim se você não tiver um JRE instalado em seu computador, baixe a versão do WEKA que contém o JRE também. Figura 1. Tela de inicialização do WEKA Ao iniciar o WEKA, o selecionador de GUI é exibido e permite escolher quatro modos de trabalho com o WEKA e seus dados. Para todos os exemplos nesta série de artigos, vamos escolher apenas a opção Explorer. Esta opção é mais que suficiente para tudo o que precisamos fazer nestes artigos. Figura 2. O WEKA Explorer
3 Agora que estamos familiarizados com o procedimento de instalação e inicialização do WEKA, vamos para nossa primeira técnica de mineração de dados: a regressão. Regressão A regressão é a técnica mais fácil de usar, mas provavelmente também é a menos poderosa (engraçado como isto é sempre assim). Este modelo é tão fácil porque contém uma variável de entrada e uma variável de saída (chamada de diagrama de dispersão no Excel, ou de DiagramaXY no OpenOffice.org). Claro, as coisas podem ficar mais complexas que isso, incluindo dúzias de variáveis de entrada. Na verdade, todos os modelos de regressão têm o mesmo padrão geral. Há algumas variáveis independentes que, quando tomadas em conjunto, produzem um resultado uma variável dependente. O modelo de regressão é então usado para prever o resultado de uma variável dependente desconhecida, dados os valores das variáveis independentes. Todos provavelmente já usamos ou vimos um modelo de regressão antes, e talvez até tenhamos criado mentalmente um modelo de regressão. O exemplo que imediatamente vem à mente é o de calcular o preço de uma casa. O preço da casa (a variável dependente) é o resultado de muitas variáveis independentes a metragem quadrada da casa, o tamanho do lote, se há granito na cozinha, se os banheiros foram reformados, etc. Assim, se você alguma vez já comprou uma casa ou vendeu uma, é provável que você tenha criado um modelo de regressão para avaliar a casa. O modelo é criado com base em outras casas comparáveis no bairro e no preço pelo qual elas foram vendidas (o modelo), e então colocando os valores de sua própria casa neste modelo para produzir o preço esperado. Vamos continuar com este exemplo de modelo de regressão baseado no preço de uma casa, e criar alguns dados reais para exame. Estes são números reais de casas que estão à venda em meu bairro, e vamos tentar achar o valor de minha própria casa. (Também vou tentar usar a saída deste modelo para protestar contra a avaliação de minha propriedade pela prefeitura para estabelecer o imposto). Tabela 1. Valores da casa para o modelo de regressão Tamanho da casa (pés quadrados) Tamanho do lote Quartos Granito Banheiro reformado? Preço de venda $205, $224, $197, $189, ` $195, $325, $230, ???? A boa notícia (ou má notícia, dependendo de seu ponto de vista) é que esta pequena introdução à regressão apenas arranha a superfície, e que este arranhão na realidade quase não se percebe. Há cursos de faculdade sobre modelos de regressão que levam o semestre inteiro, e que provavelmente ensinam mais sobre modelos de regressão do que você desejaria saber. Mas este arranhão ajuda a nos familiarizarmos com o conceito, e é o suficiente para nossos testes com o WEKA neste artigo. Se você tiver um interesse contínuo em modelos de regressão e em todos os seus detalhes estatísticos, pesquise os seguintes temos com seu mecanismo de busca favorito: mínimo quadrado, homocedasticidade, distribuição normal, teste de White, teste de Lilliefors, R ao quadrado, e valores p. Construindo o conjunto de dados para o WEKA Para carregar dados no WEKA, precisamos colocá-los em um formato que seja entendido. O método preferido do WEKA para carregar dados é no Formato de Arquivo de Atributo-Relação (ARFF), onde é possível definir o tipo de dados que estão sendo carregados, e então fornecer seus próprios dados. No arquivo, definimos cada coluna e o que cada coluna contém. No caso do modelo de regressão, estamos limitados a uma coluna de ou de DATE. Finalmente, fornecemos cada linha de dados em um formato delimitado por vírgulas. O arquivo ARFF que vamos usar com o WEKA é exibido abaixo. Note que nas linhas de dados nós omitimos minha casa. Como estamos criando o modelo, não podemos usar minha casa nele porque seu preço de venda é desconhecido.
4 Listagem 1. Formato de arquivo ,9191,6,0,0, ,10061,5,1,1, ,10150,5,0,1, ,14156,4,1,0, ,9600,4,0,1, ,19994,6,1,1, ,9365,5,0,1, Carregando os dados no WEKA Figura 3. WEKA com os dados da casa carregados Nesta tela, o WEKA permite revisar os dados com os quais estamos trabalhando. A seção esquerda da janela do Explorer mostra todas das colunas de seus dados (Atributos) e o número de linhas de dados fornecidas (Instâncias). Ao selecionar cada coluna, a seção direita da janela do Explorer também mostra informações sobre os dados daquela coluna de seu conjunto de dados. Por exemplo, ao selecionar a coluna housesize na seção esquerda (que deveria estar selecionada por padrão), a seção direita deveria mudar para mostrar informações estatísticas adicionais sobre a coluna. Ela mostra que o valor máximo do conjunto de dados para esta coluna é pés quadrados, e o mínimo é pés quadrados. O tamanho médio é pés quadrados, com um desvio padrão de 655 pés quadrados. (O desvio padrão é uma medida estatística da variação.) Finalmente, há um modo visual de examinar os dados, que é possível ver clicando no botão Visualize All. Devido ao nosso número limitado de linhas neste conjunto de dados, a visualização não é tão poderosa quanto seria se houvesse mais pontos de dados (centenas, por exemplo). Basta de olhar os dados. Vamos criar um modelo e obter um preço para a minha casa. Criando o modelo de regressão com o WEKA Para criar o modelo, clique na guia Classify. O primeiro passo é selecionar o modelo que queremos construir, para que o WEKA saiba como trabalhar com os dados, e como criar o modelo apropriado: Clique no botão Choose, e então expanda a ramificação functions. Selecione a folha LinearRegression.
5 Isto instrui o WEKA que queremos construir um modelo de regressão. Como podemos ver a partir das outras opções, há muitos modelos possíveis que podem ser construídos. Montes deles! Isto deve nos dar uma boa indicação de que estamos apenas tocando a superfície deste tema. Também devemos observar: Há outra opção chamada SimpleLinearRegression na mesma ramificação. Não a selecione porque a regressão simples só olha uma variável, e nós temos seis. Após selecionar o modelo certo, seu WEKA Explorer deve estar parecido com o da Figura 4. Figura 4. Modelo de regressão linear no WEKA Posso fazer isso com uma planilha eletrônica? Resposta curta: Não. Resposta longa: Sim. Os programas de planilha eletrônica mais populares não podem fazer com facilidade o que fizemos com o WEKA, ou seja, definir um modelo de regressão linear com múltiplas variáveis independentes. Porém, é possível fazer um modelo de Regressão Linear Simples (uma variável independente) com bastante facilidade. Se você estiver se sentindo muito valente, ele pode fazer a regressão com múltiplas variáveis, embora isso seja bastante confuso e difícil, definitivamente não com tanta facilidade quanto no WEKA. É possível ver um vídeo de exemplo do Microsoft Excel em Recursos. Agora que o modelo desejado foi escolhido, temos que dizer ao WEKA onde estão os dados que ele deve usar para construir o modelo. Embora para nós possa ser óbvio querermos usar os dados que fornecemos no arquivo ARFF, na realidade há opções diferentes, algumas mais avançadas do que as que estaremos usando. As outras três opções são Supplied test set, onde é possível fornecer um conjunto diferente de dados para construir o modelo; Cross-validation, que deixa o WEKA construir um modelo baseado em subconjuntos dos dados fornecidos e então calcular sua média para criar um modelo final; e Percentage split, onde o WEKA toma um subconjunto percentual dos dados fornecidos para construir um modelo final. Estas outras opções são úteis com modelos diferentes, que veremos em artigos futuros. Com a regressão, podemos simplesmente escolher Use training set. Isto diz ao WEKA que para construir nosso modelo desejado, podemos simplesmente usar o conjunto de dados que fornecemos em nosso arquivo ARFF. Finalmente, o último passo para criar nosso modelo é escolher a variável dependente (a coluna que estamos tentando prever). Sabemos que este deve ser o preço de venda, pois é isso que estamos tentando determinar para minha casa. Logo abaixo das opções de teste, há uma caixa combo que permite selecionar a variável dependente. A coluna sellingprice deve estar selecionada por padrão. Se não estiver, selecione-a. Agora estamos prontos para criar nosso modelo. Clique em Start. A Figura 5 mostra o como deve ser a saída.
6 Figura 5. Modelo de regressão do preço da casa no WEKA Interpretando o modelo de regressão O WEKA não brinca em serviço. Ele põe o modelo de regressão bem ali na saída, como mostrado na Listagem 2. Listagem 2. Saída da regressão sellingprice = ( * housesize) + ( * lotsize) + ( * bedrooms) + ( * bathroom) A Listagem 3 mostra os resultados, relacionando os valores de minha casa. Listagem 3. Valor da casa usando o modelo de regressão sellingprice = ( * 3198) + ( * 9669) + ( * 5) + ( * 1) sellingprice = 219,328 Porém, voltando até o começo do artigo, a mineração de dados não se limita a produzir um único número: Trata-se de identificar padrões e regras. Ela não é usada estritamente para produzir um número absoluto, mas sim para criar um modelo que permite detectar padrões, prever a saída, e tirar conclusões baseadas em dados. Vamos seguir adiante e interpretar os padrões e conclusões que nosso modelo nos fornece, além de um único e estrito valor para a casa: O granito não tem importância O WEKA só usa as colunas que contribuem estatisticamente para a precisão do modelo (medido em R ao quadrado, mas que está fora do escopo deste artigo). Ele descarta e ignora as colunas que não ajudam a criar um bom modelo. Assim, este modelo de regressão está nos dizendo que o granito da cozinha não afeta o valor da casa. Já os banheiros são importantes Como usamos um simples valor 0 ou 1 para um banheiro reformado, podemos usar o coeficiente do modelo de regressão para determinar o valor que um banheiro reformado representa para o valor da casa. O modelo nos diz para acrescentarmos $ ao valor da casa. Casas maiores reduzem o valor O WEKA está nos dizendo que quanto maior for nossa casa, menor será o preço de venda? Isto pode ser visto pelo coeficiente negativo na frente da variável housesize. O modelo está nos dizendo que cada pé quadrado adicional da casa reduz seu preço em $26? Isso não faz nenhum sentido. Estamos na América! Maior é melhor, especialmente onde moro, no Texas. Como devemos interpretar isto? Este é um bom exemplo de lixo entrando, lixo saindo. O tamanho da casa, infelizmente, não é uma variável independente porque está relacionado à variável dos quartos, o que faz sentido porque casas maiores tendem a ter mais quartos. Assim, nosso modelo não está perfeito. Mas nós podemos consertar isso. Lembre-se: Na guia Preprocess é possível remover colunas do conjunto de dados. Para sua própria prática, remova a coluna housesize e crie outro modelo. Como isso afeta o preço de minha casa? Este novo modelo faz mais sentido? (O valor de minha casa agora é: $217,894).
7 Para levar este exemplo simples um nível acima, vamos dar uma olhada em um arquivo de dados que o site da WEKA na Web nos fornece como exemplo de regressão. Teoricamente, ele deveria ser muito mais complexo que nosso simples exemplo de sete casas. Este arquivo de dados de amostra tenta criar um modelo de regressão para prever as milhas por galão (MPG) de um carro com base em vários atributos do carro (estes dados são de 1970 a 1982, assim lembre-se disso). O modelo inclui estes possíveis atributos do carro: cilindros, deslocamento, cavalos, peso, aceleração, ano modelo, origem, e fabricante. Além disso, este conjunto de dados tem 398 linhas de dados e atende muitas das exigências estatísticas que nosso modelo de preço de casa acima não atendia. Teoricamente este deve ser um modelo de regressão muito mais complexo, e talvez o WEKA possa ter mais dificuldade para criar um modelo com esta quantidade de dados (embora eu tenha certeza de que a esta altura você já saiba que o WEKA vai se sair muito bem). Para produzir o modelo de regressão com este conjunto de dados, devemos seguir exatamente os mesmos passos que seguimos para os dados da casa, assim não vou repeti-los. Então vamos seguir adiante e criar o modelo de regressão. Ele deve produzir a saída mostrada na Listagem 4. Listagem 4. Modelo de regressão com dados de MPG class (aka MPG) = * cylinders=6,3,5, * cylinders=3,5, * cylinders=5, * displacement * horsepower * weight * model=75,71,76,74,77,78,79,81,82, * model=77,78,79,81,82, * model=79,81,82, * model=81,82, * model=82, * model= * origin=2, Ao fazer isto sozinho, você verá que o WEKA percorre o modelo em menos de um segundo. Assim, não é um problema de computação criar um modelo de regressão poderoso a partir de muitos dados. Este modelo também pode parecer ser muito mais complexo que os dados da casa, mas não é. Por exemplo, a primeira linha do modelo de regressão, * cylinders=6,3,5,4 significa que se o carro tiver seis cilindros, você coloca 1 nesta coluna, e se ele tiver oito cilindros, você coloca 0. Vamos tomar uma linha como exemplo do conjunto de dados (linha 10) e colocar estes números no modelo de regressão, para ver se a saída do modelo se aproxima da saída que obtivemos no conjunto de dados. Listagem 5. Exemplo de dados de MPG data = 8,390,190,3850,8.5,70,1,15 class (aka MPG) = * * * * * * * * * * * * * Expected Value = 15 mpg Regression Model Output = 14.2 mpg Assim, nosso modelo foi muito bem quando o avaliamos com nossos dados de teste escolhidos aleatoriamente, prevendo 14,2 MPG em um carro cujo valor real era de 15 MPG.
8 Conclusão Este artigo tenta responder à pergunta "o que é mineração de dados?" dando uma introdução ao assunto e apresentando as metas do campo. A mineração de dados tenta transformar muita desinformação (na forma de dados espalhados) em informações úteis, criando modelos e regras. Sua meta é usar os modelos e regras para prever um comportamento futuro, melhorar seu negócio, ou apenas explicar coisas que caso contrário não seria possível explicar. Estes modelos podem confirmar o que já pensávamos, ou ainda melhor, podem achar coisas novas em nossos dados que nem sabíamos que existiam. Como um exemplo engraçado, há uma lenda urbana de mineração de dados (não tenho certeza de quantas existem) segundo a qual, nos Estados Unidos, o Walmart aos finais de semana passa a cerveja para a extremidade dos corredores de fralda porque sua mineração de dados mostrou que nesses dias os homens tipicamente compram fraldas, e muitos também gostam de cerveja. Este artigo também apresentou o programa de software gratuito e de código aberto WEKA. Certamente há produtos de software comerciais complexos construídos para a mineração de dados, mas para a pessoa comum que está tentando começar na mineração de dados, há uma solução útil disponível que é de código aberto. Lembre- se, você nunca vai ser um especialista em mineração de dados a menos que queira passar 20 anos fazendo isso. O WEKA permite começar e oferece uma solução satisfatória para muitos de seus problemas iniciais. Se você nunca fez mineração antes, a solução satisfatória é tudo o que você precisa. Finalmente, este artigo discutiu o primeiro modelo de mineração de dados, o modelo de regressão (especificamente, o modelo de regressão linear de múltiplas variáveis), e mostrou como usá-lo no WEKA. Este modelo de regressão é fácil de usar e pode ser usado em diversos conjuntos de dados. Ele provavelmente é o modelo mais útil que discutimos nesta série. Porém, a mineração de dados é muito mais do que simplesmente regressão, e é possível que alguns outros modelos sejam soluções melhores para conjuntos de dados diferentes e objetivos de saída diferentes. Finalmente, quero reiterar que este artigo e as partes futuras desta série são apenas uma breve introdução ao campo da estatística e mineração de dados. As pessoas passam semestres inteiros estudando estatística mineração de dados, para só então poderem ser considerados como "iniciantes." Nossa meta é explorar as ferramentas de código aberto disponíveis para os novatos, e estimular a apreciação do valor que a mineração de dados pode oferecer. Lembre-se isso à medida que continuamos com esta série. Vídeo-aula Download Wiki Universidade de Waikato -Nova Zelândia Waikato Environment for Knowledge Analysis Coleção de algoritmos de aprendizagem de máquina para resolução de problemas de Data Mining implementado em Java (open source software)
9 Métodos de aprendizagem suportados decision tree inducers rule learners naive Bayes decision tables locally weighted regression support vector machines instance-based learners logistic regression voted perceptrons Origem dos Dados Arquivo local no formato.arff Arquivo em URL no formato.arff Tabelas de Banco de Dados via JDBC Preparando os dados O weka lê os dados no formato.arff Uma lista de todas as instâncias, onde os valores dos atributos são separados por vírgula mais um cabeçalho weather %Nome do outlook {sunny, overcast, temperature real %Atributo e humidity windy {TRUE, play {yes, %Início dos dados sunny,85,85,false,no overcast,83,86,false,yes Aprendizado de árvores de decisão Dados do tempo
10 outlook = sunny humidity <= 75: yes (2.0) humidity > 75: no (3.0) outlook = overcast: yes (4.0) outlook = rainy windy = TRUE: no (2.0) windy = FALSE: yes (3.0) Number of Leaves : 5 Size of the tree : 8 Algoritmo para minerar regras de associação. IF umidade = normal AND vento = não THEN jogar = sim IF umidade = normal AND jogar = sim THEN vento = não IF vento = não AND jogar = sim THEN umidade = normal IF umidade = normal THEN vento = não AND jogar = sim IF vento = não THEN umidade = normal AND jogar = sim IF jogar = sim THEN vento = não AND umidade = normal IF? THEN vento = não AND umidade = normal AND jogar = sim Saída do algoritmo Best rules found: 1.temperature=cool humidity=normal windy=false ==> play=yes conf:(1) 2. temperature=cool windy=false play=yes ==> humidity=normal conf:(1) 3. outlook=overcast temperature=hot windy=false ==> play=yes conf:(1) 4. temperature=cool windy=false ==> humidity=normal play=yes conf:(1) 5. outlook=rainy temperature=mild windy=false ==> play=yes conf:(1)
Figura 1. Tela de inicialização do WEKA. 2. Será apresentada a seguinte janela, que iremos utilizar para testar as respostas do WEKA.
WEKA: Prática 1 Nesta primeira prática vamos usar o Explorer, para treinar o WEKA e depois testarmos a eficiência das respostas de acordo com a base de conhecimento informada. 1. Iniciando o WEKA Explorer
Leia maisWeka. Universidade de Waikato - Nova Zelândia. Coleção de algoritmos de aprendizado de máquina para resolução de problemas de Data Mining
Weka Universidade de Waikato - Nova Zelândia Coleção de algoritmos de aprendizado de máquina para resolução de problemas de Data Mining implementado em Java open source software http://www.cs.waikato.ac.nz/ml/weka/
Leia maisData Mining Software Weka. Software Weka. Software Weka 30/10/2012
Data Mining Software Weka Prof. Luiz Antonio do Nascimento Software Weka Ferramenta para mineração de dados. Weka é um Software livre desenvolvido em Java. Weka é um É um pássaro típico da Nova Zelândia.
Leia maisAprendizado de Máquina
Aprendizado de Máquina Introdução ao WEKA Luiz Eduardo S. Oliveira Universidade Federal do Paraná Departamento de Informática http://web.inf.ufpr.br/luizoliveira Luiz S. Oliveira (UFPR) Aprendizado de
Leia maisWEKA: Prática Carregando a base de dados no Weka
WEKA: Prática 2 1. Introdução O objetivo desta prática é utilizar a ferramenta Weka para comparar dois algoritmos de aprendizagem de máquina em um problema de detecção de SPAM. Os algoritmos a serem comparados
Leia maisLaboratório Preprocessamento com WEKA Explorer
Laboratório Preprocessamento com WEKA Explorer Faça o download do dataset test_credit.csv*, e execute as seguintes tarefas: 1. Use o Weka Viewer para ter uma visão geral do dataset original. 2. Substitua
Leia maisMineração de Dados em Biologia Molecular
Mineração de Dados em Biologia Molecular WEKA Tópicos Introdução Simuladores de MD Principais módulos André C. P. L. F. de Carvalho Monitor: Váléria Carvalho André Ponce de Leon de Carvalho 2 Usando MD
Leia maisProf. Heitor Silvério Lopes
Prof. Heitor Silvério Lopes WEKA WEKA: Waikato Environment for Knowledge Analysis Iniciado em 1992, versão estável atual: 3.8.1 É um software para mineração de dados desenvolvido em Java com código aberto
Leia maisSCC0173 Mineração de Dados Biológicos
SCC0173 Mineração de Dados Biológicos Classificação I: Algoritmos 1Rule e KNN Prof. Ricardo J. G. B. Campello SCC / ICMC / USP 1 Créditos O material a seguir consiste de adaptações e extensões dos originais:
Leia maisRedes Neurais no WEKA
Redes Neurais WEKA http://www.cs.waikato.ac.nz/ml/weka/ Redes Neurais no WEKA Introdução ao WEKA Base Benchmark Estudo de Casos Análise de Crédito Bancário 1 Redes Neurais no Weka WEKA (Waikaito Environment
Leia maisMétodos para Classificação: - Naïve Bayes.
Métodos para Classificação: - 1R; - Naïve Bayes. Visão Geral: Simplicidade em primeiro lugar: 1R; Naïve Bayes. 2 Classificação: Tarefa: Dado um conjunto de exemplos préclassificados, construir um modelo
Leia maisLaboratório Classificação com o WEKA Explorer
Laboratório Classificação com o WEKA Explorer Para esse laboratório considere os seguintes classificadores: C4.5 (J4.8) KNN Naïve Bayes Considere as bases de treinamento e teste de dígitos manuscrítos
Leia mais1ª Lista de Exercícios
Universidade Federal de Campina Grande Disciplina: Mineração de Dados Período: 2008.3 Data: 21/10/08 Aluno: Halley F. S. de Freitas 1ª Lista de Exercícios O arquivo de dados é o do tempo: @relation weather.symbolic
Leia maisAprendizado de Máquina (Machine Learning)
Ciência da Computação (Machine Learning) Aula 01 Motivação, áreas de aplicação e fundamentos Max Pereira Nem todo conhecimento tem o mesmo valor. O que torna determinado conhecimento mais importante que
Leia maisVantagens gerais de se fazer slide online
Eu já falei em outros posts como você pode usar o Power Point para fazer todos os tipos de slides, desde apresentações de produtos até apresentações de resultados. Cheguei a mostrar também os 10 modelos
Leia maisAula 01 Microsoft Excel 2016
Aula 01 Microsoft Excel 2016 Prof. Claudio Benossi Prof. Rodrigo Achar Prof. Wagner Tufano São Paulo SP 2018 1 01 Informações sobre a interface Aprender a trabalhar com o Excel pode ser o divisor de águas
Leia maisNaïve Bayesian Learning. Marcílo Souto DIMAp/UFRN
Naïve Bayesian Learning Marcílo Souto DIMAp/UFRN 1 Teorema de Bayes Probabilidade de um evento H dada evidência E: Pr[ H E] Pr[ E H ]Pr[ H ] Pr[ E] Probabilidade a priori de H: Probabilidade do evento
Leia maisO que é um relatório. Como fazer um relatório no Excel. 1 Relatório de Tabela Dinâmica. Crie relatórios no Excel
O que é um relatório Na minha opinião, uma das melhores definições para relatório é um documento utilizado para mostrar resultados de uma determinada atividade. Ou seja, independentemente do que você faça,
Leia maisInstalação do Oracle VM Virtual Box
1 de 14 09/08/2012 12:56 Instalação do Oracle VM Virtual Box Após fazer download do Oracle VM VirtualBox o próximo passo é a instalação. Seguindo este tutorial passo-a-passo não haverá qualquer dificuldade
Leia maisMINERAÇÃO DE DADOS EM ARQUIVOS DE LOG GERADOS POR SERVIDORES DE PÁGINAS WEB
MINERAÇÃO DE DADOS EM ARQUIVOS DE LOG GERADOS POR SERVIDORES DE PÁGINAS WEB Acadêmico: Leonardo José Correia Orientador: Prof. Ricardo Alencar Azambuja Blumenau, Julho/2004 1 Roteiro Introdução Objetivo
Leia maisInstalação JDK. Joyce França. Professora de Ciência da Computação - IFNMG
Instalação JDK Joyce França Professora de Ciência da Computação - IFNMG Máquina Virtual Java utiliza-se do conceito de máquina virtual, onde existe uma camada extra entre o sistema operacional e a aplicação,
Leia maisINFORMÁTICA PARA CONCURSO MINISTÉRIO PÚBLICO DO PARÁ Cargo: AUXILIAR DE ADMINISTRAÇÃO.
INFORMÁTICA PARA CONCURSO MINISTÉRIO PÚBLICO DO PARÁ 2019. Cargo: AUXILIAR DE ADMINISTRAÇÃO. CONCEITOS BÁSICOS E UTILIZAÇÃO DE APLICATIVOS PARA EDIÇÃO DE TEXTOS, PLANILHAS ELETRÔNICAS E APRESENTAÇÕES:
Leia maisClassificação. Eduardo Raul Hruschka
Classificação Eduardo Raul Hruschka Agenda: Conceitos de Classificação Técnicas de Classificação One Rule (1R) Naive Bayes (com seleção de atributos) Super-ajuste e validação cruzada Combinação de Modelos
Leia maisIntrodução ao Data Mining (Mineração de Dados)
Introdução ao Data Mining (Mineração de Dados) Quem é da área de TI, provavelmente já ouviu sobre Data Mining, mesmo que não saiba o que é. É uma das últimas modas relacionados à BD. Para se ter uma noção
Leia maisInstalação JDK 10/03/2017
1 Instalação JDK 10/03/2017 Máquina Virtual Java utiliza-se do conceito de máquina virtual, onde existe uma camada extra entre o sistema operacional e a aplicação, responsável por traduzir o que sua aplicação
Leia maisClassificação: 1R e Naïve Bayes. Eduardo Raul Hruschka
Classificação: 1R e Naïve Bayes Eduardo Raul Hruschka Agenda: Conceitos de Classificação Técnicas de Classificação One Rule (1R) Naive Bayes (com seleção de atributos) Super-ajuste e validação cruzada
Leia maisLinguagem Técnica I. Prof. Jonatas Bastos
Linguagem Técnica I Prof. Jonatas Bastos Email: jonatasfbastos@gmail.com 1 Objetivo da Disciplina p Entender os conceitos da programação orientada a objetos; p Aplicar conceitos básicos relativos a objetos
Leia maisSetup: Instalando o Pro Tools
Setup: Instalando o Pro Tools Olá, tudo bem? Nesta Aula, começamos o Curso de Pro Tools! Neste vídeo, teremos os seguintes tópicos: 1. Sugestões para Melhor Aproveitamento do Curso; 2. Configuração de
Leia maisLaboratório 01 NetBeans
Universidade Federal de Uberlândia Faculdade de Computação GGI030 Programação Orientada a Objetos 2o. Semestre de 2017 Prof. Renato Pimentel Atividade individual. Laboratório 01 NetBeans 1 Introdução Os
Leia maisMINISTÉRIO DA DEFESA EXÉRCITO BRASILEIRO COLÉGIO MILITAR DE BRASÍLIA
MINISTÉRIO DA DEFESA EXÉRCITO BRASILEIRO COLÉGIO MILITAR DE BRASÍLIA Brasília - 2016 1 Sumário 1. Acesso à plataforma 04 2. Cadastramento nas disciplinas 04 3. Edição do perfil 05 4. Envio de mensagens
Leia maisR Commander Facilitando o aprendizado da Estatística. George Amarante Melo Jony Arrais Pinto Junior
R Commander Facilitando o aprendizado da Estatística George Amarante Melo Jony Arrais Pinto Junior Sumário 1 Introdução 2 2 Instalação e abertura do R Commander 3 2.1 Instalação....................................
Leia mais1R: aprende uma regra por atributo
1R: aprende uma regra por atributo atribuí a classe mais freqüente taxa de erro: proporção de instâncias que não pertence a classe majoritária escolhe o atributo com menor taxa de erro Para cada atributo
Leia maisInício Rápido: Exibir relatórios Início Rápido: Exibir relatórios
Início Rápido: Exibir relatórios Guia do Cliente Novembro de 2016 Este guia mostra-lhe como criar, salvar, visualizar e exportar relatórios padrão e personalizados no Centro de Negócios da Microsoft. Para
Leia maisO objetivo dessa apostila é apresentar os comandos básicos do software R, especialmente os voltados para a estimação de modelos econométricos.
APOSTILA BÁSICA - SOFTWARE R Luiz Guilherme Scorzafave O objetivo dessa apostila é apresentar os comandos básicos do software R, especialmente os voltados para a estimação de modelos econométricos. 1.
Leia maisLista de Exercícios - Capítulo 8 [1] SCC Inteligência Artificial 1o. Semestre de Prof. João Luís
ICMC-USP Lista de Exercícios - Capítulo 8 [1] SCC-630 - Inteligência Artificial 1o. Semestre de 2011 - Prof. João Luís 1. Seja breve na resposta às seguintes questões: (a) o que você entende por Aprendizado
Leia maisInstalando o Ubuntu Maverick Meerkat
Instalando o Ubuntu 10.10 - Maverick Meerkat Este tutorial é indicado a pessoas que acabaram de ouvir sobre o Ubuntu, aqueles que nunca instalaram o Ubuntu antes e querem testá-lo, mas não sabem como.
Leia maisLinguagem R R-Gui e R-Commander
Linguagem R R-Gui e R-Commander 1 INSTALAÇÃO DO PROGRAMA BÁSICO E PACOTES O sistema é formado por um programa básico (R-Gui) e muitos pacotes com procedimentos adicionais. Tudo é gratuito e com código
Leia maisComo Criar um Blog WordPress Guia completo
Como Criar um Blog WordPress Guia completo Tweet 108 Email 14.2K Deseja aprender como criar um blog de forma simples e personalizar a sua presença na Internet? O WordPress é atualmente a plataforma mais
Leia maisCEDERJ - CENTRO DE EDUCAÇÃO SUPERIOR A DISTÂNCIA DO ESTADO DO RIO DE JANEIRO
CEDERJ - CENTRO DE EDUCAÇÃO SUPERIOR A DISTÂNCIA DO ESTADO DO RIO DE JANEIRO MATERIAL DIDÁTICO IMPRESSO CURSO: Física DISCIPLINA: Informática para o Ensino de Física CONTEUDISTA: Carlos Eduardo Aguiar
Leia maisMinerando regras de associação
Minerando regras de associação Proposto por Rakesh Agrawal em 1993. É o modelo de mineração de dados mais estudado pela comunidade de banco de dados. Utiliza dados categóricos. Não há bons algoritmos para
Leia maisAshampoo Rescue Disc
1 Ashampoo Rescue Disc Este programa permite você criar um CD, DVD ou Pendrive de recuperação. O Sistema de recuperação é destinado a dois tipos de situações: 1. Restaurar um backup para o seu disco principal.
Leia maisSalvar Relatórios em Arquivo
Salvar Relatórios em Arquivo Av. José Souza Campos 1815 Cj 1204 Caro Cliente, Nas versões mais recentes de nossos softwares, alguns relatórios adquiriram o recurso de poderem ser salvos em arquivos PDF
Leia maisManual do KSquares. Matt Williams Revisor: Eugene Trounev Tradução: Luiz Fernando Ranghetti Tradução: André Marcelo Alvarenga
Matt Williams Revisor: Eugene Trounev Tradução: Luiz Fernando Ranghetti Tradução: André Marcelo Alvarenga 2 Conteúdo 1 Introdução 5 2 Como jogar 6 3 Regras do jogo, estratégias e dicas 7 3.1 Regras do
Leia maisÁrvore de Decisão. Capítulo 18 Russell & Norvig Seções 18.1 a 18.3
Árvore de Decisão Capítulo 18 Russell & Norvig Seções 18.1 a 18.3 Aprendizagem Indutiva Clássica Recebe como entrada o valor correto de uma função desconhecida para entradas específicas e tenta recuperar
Leia maisÍNDICE AQUI ESTÃO LISTADAS TODAS A ETAPAS DA CRIAÇÃO DESSA CAMPANHA
ÍNDICE AQUI ESTÃO LISTADAS TODAS A ETAPAS DA CRIAÇÃO DESSA CAMPANHA. ISSO VAI TE AJUDAR EM FUTURAS CONSULTAS, CASO QUEIRA REVER ALGUMA ETAPA EM ESPECÍFICO ;) 1. Acesse o Gerenciador de anúncios do Facebook
Leia maisMeios de Comunicação de Dados.
Meios de Comunicação de Dados www.profjvidal.com Instalação do ELASTIX Configurando a Máquina Virtual Abra o VirtualBox e clique em novo no canto superior esquerdo. Depois selecione conforme na imagem
Leia maisData Mining: Ferramenta JAVA
Data Mining: Ferramenta JAVA JAVA para Data Mining Weka 3: Data Mining Software em Java http://www.cs.waikato.ac.nz/ml/weka/ Coleção de algoritmos para as tarefas de data mining; Free software. WEKA: JAVA
Leia maisEntropia, Ganho de informação e Decision trees
Entropia, Ganho de informação e Decision trees O exemplo de hoje foi baseado no livro Machine learning de Tom M. Mitchell. Para esse exemplo vamos usar um conjunto de dados simples: A tabela acima consiste
Leia maisAula 01 Excel Prof. Claudio Benossi
Aula 01 Excel 2016 Prof. Claudio Benossi São Paulo SP 2018 1 01 Informações sobre a interface Aprender a trabalhar com o Excel pode ser o divisor de águas em ser aprovado para uma vaga onde trabalhar com
Leia maisMyMLE MOODLE Ferramenta para desenvolvimento de Objetos de Aprendizagem para Celulares
MyMLE MOODLE Ferramenta para desenvolvimento de Objetos de Aprendizagem para Celulares Projeto de Pesquisa Aprendizagem com Dispositivos Móveis IF Federal Fluminense Campus Campos-Centro Silvia Cristina
Leia maisManual do Usúario Vivo Sync. Manual do Usuário. Versão 1.3.1. Copyright Vivo 2014. http://vivosync.com.br
Manual do Usuário Versão 1.3.1 Copyright Vivo 2014 http://vivosync.com.br 1 Vivo Sync... 3 2 Instalação do Vivo Sync... 4 3 Configurações... 7 3.1 Geral... 9 3.2 Fotos... 11 3.2.1 UpLoad:... 11 3.2.2 Download:...
Leia maisCriando um Editor de Diagramas com Sirius
Criando um Editor de Diagramas com Sirius Sirius é um plugin do Eclipse dedicado a criação de ambientes gráficos de trabalho personalizados para modelagem. Em outras palavras, Sirius foi criado para prover
Leia maisMais de 12 mil séries de tempo relativas às economias brasileira e mundial, selecionadas por sua relevância e que podem ser acessadas de forma
Mais de 12 mil séries de tempo relativas às economias brasileira e mundial, selecionadas por sua relevância e que podem ser acessadas de forma simples e eficiente. Séries diárias, mensais trimestrais e
Leia maisJava Básico. Aula 1 por Thalles Cezar
+ Java Básico Aula 1 por Thalles Cezar + Quem sou eu? Thalles Cezar, muito prazer! Estudante de Ciências da Computação, indo para o 9º semestre. Quase lá!! =) Estagiário no projeto CIn/Samsung TVD. Professor
Leia maisGuia do Usuário para Entrada de Dados em Android
Guia do Usuário para Entrada de Dados em Android Índice I. CSEntry...3 I.1. Instalação...4 I.2. Execução...5 I.3. Instalando uma nova aplicação...6 II. Tela Inicial das Aplicações...8 III. Tela com a Lista
Leia maisManual do Usuário Assinador Prodist e-financeira
Assinador Prodist e-financeira Agosto de 2016 Versão 1.1 SUMÁRIO 1 INTRODUÇÃO... 3 2 SOBRE o e-financeira... 3 3 COMPONENTES DA APLICAÇÃO... 3 4 REQUISITOS MÍNIMOS... 4 5 INSTALAÇÃO DO ASSINADOR PRODIST
Leia maisAprendizado de Máquina
Aprendizado de Máquina Árvores de Decisão Luiz Eduardo S. Oliveira Universidade Federal do Paraná Departamento de Informática http://lesoliveira.net Luiz S. Oliveira (UFPR) Aprendizado de Máquina 1 / 28
Leia maisNesta menu que abriu, clique na opção de baixo, Título Animado.
Primeiro, abra o editor neste caso estou usando a versão 2.4.1; Agora, vá na parte de cima, perto do topo da janela onde ficam os menus e um pouco à esquerda, clique no menu Título. Nesta menu que abriu,
Leia maisSQL Server Integration Services
SQL Server Integration Services Criando e executando um pacote no SSIS 1) No menu Iniciar aponte para todos os programa, selecione SQL Server 2008, e selecione SQL Server Business Intelligence Development
Leia maisCard Tree Creator. Um Sistema para a criação de árvores de cartões.
Card Tree Creator Um Sistema para a criação de árvores de cartões. 1. Introdução Card Tree Creator é um sistema escrito em linguagem JAVA que tem por objetivo fornecer uma ferramenta para a criação de
Leia maisDesenvolvendo aplicações Java
José Roberto Madureira Junior Adaní Cusin Sacilotti Adriana Rodrigues Reginaldo Sacilotti Desenvolvendo aplicações Java Primeira Edição São Paulo 2017 Sumário 1 INTRODUÇÃO AO JAVA... 1 1.1 A PLATAFORMA
Leia maisEssencial para todo pesquisador. Manual do Usuário
Essencial para todo pesquisador Manual do Usuário Manual do Usuário Os livros, obras de referência, artigos de revistas, casos, amostras de conjuntos de dados e vídeos da SAGE Research Methods fornecem
Leia maisÍndice. 1. Introdução Instalação: Eclipse e Android Primeira aplicação em Android... 11
Índice 1. Introdução... 03 2. Instalação: Eclipse e Android... 04 3. Primeira aplicação em Android... 11 1. Introdução Android trata-se de um sistema operacional baseado em Linux. No dia 05 de novembro
Leia maisMicrosoft Word 2010 NORMA ABNT para Trabalhos Acadêmicos Conceitos Básicos
Microsoft Word 2010 NORMA ABNT para Trabalhos Acadêmicos Conceitos Básicos contato@suptecinfo.com.br SUMÁRIO Iniciando o Word... 1 Conhecendo a Ferramenta... 1 Menu Layout da Página... 2 Capa... 3 Folha
Leia maisFerramenta: Spider-UCP. Manual do Usuário. Versão da Ferramenta: 1.0.
Ferramenta: Spider-UCP Manual do Usuário Versão da Ferramenta: 1.0 www.ufpa.br/spider Histórico de Revisões Data Versão Descrição Autor 30/08/2010 0.1 Elaboração do Documento. Sivaldinho Oliveira 30/08/2010
Leia maisCaros Usuários Siga Brasil,
Caros Usuários Siga Brasil, Fizemos a migração do sistema para a versão mais nova do SAP Business Objects, ferramenta que suporta esses importantes produtos do Senado Federal. Tentaremos mostrar de forma
Leia maisProcessando notas em Moodle (1.6.5+)
Processando notas em Moodle (1.6.5+) Athail Rangel Pulino 2 Ficha Técnica Título Processando notas em Moodle Autor Athail Rangel Pulino Filho Copyright Creative Commons Edição Agosto 2007 Processando notas
Leia maisRegras Rudimentarias
Regras Regras Rudimentarias 1R: aprende uma regra por atributo atribuí a classe mais freqüente taxa de erro: proporção de instâncias que não pertence a classe majoritária escolhe o atributo com menor taxa
Leia maisResponseCard AnyWhere Desktop Guia do Usuário
ResponseCard AnyWhere Desktop Guia do Usuário Requisitos do sistema o Processador Intel ou AMD com 600 MHz (1 GHz ou mais recomendado) o 256 MB RAM (256 MB ou mais de RAM disponível recomendado) o Disco
Leia maisComo gerar uma amostra aleatória simples com o Microsoft Excel
Como gerar uma amostra aleatória simples com o Microsoft Excel Este texto complementa o conteúdo da Unidade 2 da disciplina Estatística Aplicada à Administração. Na seção 2.1 da Unidade 2 vimos a importância
Leia maisCEFET/RJ. Aprendizado de Máquina - Trabalho 01
CEFET/RJ Programa de Pós-graduação em Ciência da Computação Aprendizado de Máquina - Trabalho 01 Prof. Eduardo Bezerra (ebezerra@cefet-rj.br) Setembro/2017 Conteúdo 1 Regressão Linear com uma Variável
Leia maisLojamundi Tecnologia Sem Limites br
Como Configurar Unifi-AcessPoint Unifi é um adaptador / Acess Point (AP)de rede sem fio ideal para redes WiFi de alto desempenho. Por meio desse dispositivo é possível estender sua rede WiFi em mais 180
Leia maisPasso 1: Acesso ao site. Planilhas Google: como fazer planilhas melhores que Excel
Sabe-se que o Excel é uma excelente ferramenta para se trabalhar com planilhas, gráficos, funções entre outros recursos. Se você usa ou já usou, sabe da importância de ter conhecimentos básicos e avançados
Leia maisCampo de coluna: é um campo retirado da lista de dados e atribuído a uma orientação de coluna na tabela dinâmica.
Sumário Conceito Criação de uma tabela dinâmica (Parte 1) Parte 2 Parte 3 Alterando o layout da tabela dinâmica (Parte 1) Parte 2 Parte 3 Parte 4 Conceito Tabela dinâmica é uma tabela utilizada para exibir
Leia maisUNIVERSIDADE FEDERAL DO AMAPÁ PRÓ REITORIA DE ADMINISTRAÇÃO E PLANEJAMENTO DEPARTAMENTO DE INFORMÁTICA. Manual do Moodle- Sala virtual Aluno
UNIVERSIDADE FEDERAL DO AMAPÁ PRÓ REITORIA DE ADMINISTRAÇÃO E PLANEJAMENTO DEPARTAMENTO DE INFORMÁTICA Manual do Moodle- Sala virtual Aluno UNIFAP MACAPÁ-AP 2013 S U M Á R I O 1 Tela de Login...3 2 Tela
Leia maisQuestionário de revisão para AV1 de Informática Aplicada Valor 1,0 ponto - Deverá ser entregue no dia da prova.
Questionário de revisão para AV1 de Informática Aplicada Valor 1,0 ponto - Deverá ser entregue no dia da prova. 1) Observe os seguintes procedimentos para copiar um arquivo de uma pasta para outra pasta
Leia maisA atualização do WorldShip em uma estação de trabalho independente ou de um grupo de trabalho
INSTRUÇÕES DE PRÉ-INSTALAÇÃO: Este documento discute a utilização do DVD do WorldShip para atualizar o WorldShip. Você também pode instalar o WorldShip a partir da Web. Vá para a seguinte página da web
Leia maisUsando um smartphone Android pela primeira vez? Calma que vamos te ajudar!
Usando um smartphone Android pela primeira vez? Calma que vamos te ajudar! Se você está vendo esse conteúdo provavelmente você acabou de adquirir seu primeiro smartphone Android. Parabéns pela sua nova
Leia maisAPLICAÇÃO DE ALGORITMO DE APRENDIZAGEM DE MÁQUINA NÃO-SUPERVISIONADO PARA CLASSIFICAÇÃO DE USUÁRIOS NA REDE SOCIAL ACADÊMICA SCIENTIA.
APLICAÇÃO DE ALGORITMO DE APRENDIZAGEM DE MÁQUINA NÃO-SUPERVISIONADO PARA CLASSIFICAÇÃO DE USUÁRIOS NA REDE SOCIAL ACADÊMICA SCIENTIA.NET Heloína Alves Arnaldo (bolsista do PIBIC/UFPI), Vinicius Ponte
Leia maisColunas. Como escolher a melhor opção de gráficos para as suas informações no Excel
Este conteúdo faz parte da série: Excel Gráficos Ver 9 posts dessa série O Microsoft Excel é um aplicativo que necessita de tempo e de dedicação por parte do usuário para que ele possa ser dominado por
Leia maisParabéns por entrar para a família do PC SpeedCAT!
Parabéns por entrar para a família do PC SpeedCAT! Você ficará impressionado com as coisas incríveis que o PC SpeedCAT é capaz de fazer: Otimize a velocidade do seu computador para ele fique mais rápido
Leia maisComo instalar o LyX 1
Como instalar o LyX 1 (Um pequeno manual ilustrado) 1 Se tiver alguma dúvida durante a instalação, envie um email para bruno.ts12@gmail.com. Material elaborado por Bruno Teixeira. Você pode copiar, alterar
Leia maisInstalando sua Multifuncional na sua rede pela primeira vez
Instalando sua Multifuncional na sua rede pela primeira vez MAXIFY MB5310 Sistema Operacional Windows Instalação sem fio usando a instalação padrão 1 Instalando sua Multifuncional na sua rede pela primeira
Leia maisUm ambiente super amigável de trabalho com recursos poderosos de análise e acesso a uma ampla base de dados da economias brasileira e internacional.
Um ambiente super amigável de trabalho com recursos poderosos de análise e acesso a uma ampla base de dados da economias brasileira e internacional. Mais de 12 mil séries de tempo relativas às economias
Leia maisO que é Tabela no Excel
Este conteúdo faz parte da série: Excel Tabelas e Tabelas Dinâmicas Ver 5 posts dessa série O que é Tabela no Excel Uma das melhores definições sobre o que é tabela também é uma das mais simples: Conjunto
Leia maisMAC 0425/ Inteligência Artificial
MAC 0425/5739 - Inteligência Artificial Exercício-Programa 4 - Clasificação Prazo limite de entrega: 23:59 07/12/2016 1 Introdução Neste exercício-programa estudaremos o problema de aprendizagem supervisionado
Leia maisFábrica de Noobs Reloaded Sistemas Operacionais Instalando e Utilizando o VirtualBox
Fábrica de Noobs Reloaded Sistemas Operacionais Instalando e Utilizando o VirtualBox No vídeo anterior, apresentei as vantagens de se utilizar uma máquina virtual, e mostrei como utilizar o VMware, virtualizador
Leia mais1 2 D I C A S I N F A L Í V E I S SMARTPHONES EBOOK. [ ] michael oliveira
1 2 D I C A S I N F A L Í V E I S DE COMO GRAVAR VIDEOS COM SMARTPHONES [ ] michael oliveira EBOOK BOAS VINDAS Antes de mais nada eu gostaria de te agradecer por você ter feito o Download deste ebook.
Leia maisAssim, ao armazenar em cache elementos como HTML, CSS, JS e imagens, o navegador reduz drasticamente o tempo de carregamento e o uso de recursos.
Sumário O que é Cache do Navegador?... 2 O que são dados em cache?... 2 O que limpar o cache faz?... 2 Por que limpar o cache?... 2 Como limpar o cache do navegador em plataformas desktop... 3 Google Chrome...
Leia maisIntrodução ao Tableau Desktop
Introdução ao Tableau Desktop Bem-vindo ao Tableau Desktop 9.0. Leia este guia para saber como se conectar a dados, criar exibições e uma história usando dados de exemplo. 1. Conectar a dados. Criar uma
Leia maisIntrodução ao IDE Netbeans (Programação Java)
Universidade Federal do ABC Disciplina: Processamento da Informação (BC-05045) Assunto: Introdução ao IDE Netbeans Introdução ao IDE Netbeans (Programação Java) Conteúdo 1. Introdução... 1 1.1. Programas
Leia maisTutorial de Instalação Linux Ubuntu LTS
Tutorial de Instalação Linux Ubuntu 16.04.2 LTS (Cléber Ribas dos Santos) Introdução: Este tutorial tem por objetivo auxiliar, passo a passo, na instalação do sistema operacional Linux Ubuntu 16.04.2 LTS
Leia maisBANCO DO BRASIL COMENTÁRIO CADERNO BRANCO DATA: 12/08/2007 FORTALEZA-CE
BANCO DO BRASIL COMENTÁRIO CADERNO BRANCO DATA: 12/08/2007 FORTALEZA-CE Prova fácil, sem problemas em sua resolução. Considerando a figura acima, que mostra uma janela do Word 2002 com um texto em processo
Leia maisSeja bem vindo a sua AMP! AULA MODELO PROFESSOR- AMP
Seja bem vindo a sua AMP! AULA MODELO PROFESSOR- AMP Vamos conhecer a estrutura da sua disciplina: A Tela inicial (Home) contém as suas disciplinas. Para acessa-la, basta selecionar uma disciplina, nesse
Leia maisUNIVERSIDADE DE SÃO PAULO
UNIVERSIDADE DE SÃO PAULO Instituto de Ciências Matemáticas e de Computação ISSN 0103-2569 Sintaxe Padrão para Representar Regras de Associação Edson Augusto Melanda Solange Oliveira Rezende N ō 206 RELATÓRIOS
Leia maisManual de instalação do software CSIBackup Versão 1.0
Manual de instalação do software CSIBackup Versão 1.0 1 Sumário Download do software... 3 Passos para a instalação e utilização... 3 Instalação... 3 Instalando dependências necessárias... 7 Sistema de
Leia maisSOLIDWORKS FloXpress, um dos produtos SOLIDWORKS Express que fazem parte de todas as versões do SOLIDWORKS.
SOLIDWORKS FloXpress, um dos produtos SOLIDWORKS Express que fazem parte de todas as versões do SOLIDWORKS. A ideia principal do FloXpress é calcular a dinâmica dos fluidos que passam através dos modelos
Leia maisA CASA DO SIMULADO DESAFIO QUESTÕES MINISSIMULADO 116/360
1 DEMAIS SIMULADOS NO LINK ABAIXO CLIQUE AQUI REDE SOCIAL SIMULADO 116/360 INFORMÁTICA INSTRUÇÕES TEMPO: 30 MINUTOS MODALIDADE: CERTO OU ERRADO 30 QUESTÕES CURTA NOSSA PÁGINA MATERIAL LIVRE Este material
Leia maisComo publicar páginas Web no GoogleSites
1 Curso de Formação de Professores em Tecnologia de Informação e de Comunicação Acessível PASSO 1 ACESSE O ENDEREÇO DO GOOGLE SITES Como publicar páginas Web no GoogleSites Ao criar sua conta no Gmail,
Leia mais