INTRODUO A MINERAO DE DADOS UTILIZANDO O WEKA

Marcelo DAMASCENO(1)
(1) Instituto Federal de Educao, Cincia e Tecnologia do Rio Grande do Norte/Campus Macau, Rua das Margaridas, 300, COHAB, Macau-RN, 59500-000, e-mail:mailto:marcelo.damasceno@gmail.com

RESUMO
A utilizao de tcnicas de Minerao de Dados vem sendo aplicadas diariamente nas empresas. Estas tcnicas so utilizadas na identificao de informaes relevantes em grandes volumes de dados. Existem diversos softwares no mercado que utilizam tcnicas de minerao para obter seus resultados. Alguns destes softwares so pagos, inviabilizando sua aplicao em pequenas empresas ou mesmo por instituies de ensino. O Weka uma suite que contm diversas tcnicas de minerao de dados, totalmente gratuito por ser um software livre. Este minicurso tm como objetivo apresentar diversas tcnicas de minerao de dados utilizando o Weka. As tcnicas sero apresentadas e discutidas na resoluo de problemas reais, utilizando somente ferramentas presentes na suite Weka. Palavras-chave: minerao de dados, weka, descoberta de conhecimento em banco de dados

1. INTRODUO
A todo momento dados vm sendo armazenados, formando grandes volumes de dados. Os dados armazenados contm informaes ocultas de grande relevncia para o negcio. Devido ao grande volume de dados, a extrao destas informaes no uma tarefa trivial. Existe uma grande necessidade de teorias e ferramentas para o auxlio dos analistas para a extrao e anlise de informaes teis. O conjunto destas teorias e ferramentas pertencente a um processo conhecido como Descoberta de Conhecimento em Banco de Dados (DCBD). A DCBD est preocupada com o desenvolvimento de mtodos e tcnicas para que os dados faam sentido. A DCBD est concentrada no mapeamento dos dados brutos (informaes brutas) em modelos mais compactos (relatrios, grficos), genricos (identificao de modelos que descrevem os dados) ou teis (modelos preditivos que estimem valores futuros) que os dados originais. No ncleo deste processo, DCBD, se encontra a aplicao de tcnicas para a identificao e extrao de informaes relevantes ocultas nos dados. Estas tcnicas so conhecidas como minerao de dados por identificarem padres e conhecimentos relevantes para o negcio, ou seja, minerar os dados a procura do ouro (informaes relevantes). WEKA uma sute de minerao de dados muito popular no meio acadmico, desenvolvido utilizando a linguagem Java. Criada nas dependncias da Universidade de Waikato, Nova Zelndia. Atualmente mantida por uma comunidade de entusiastas por ser um software livre disponvel sobre a licensa GPL. Este minicurso abordar de forma terica e prtica, questes relacionadas a tcnicas de minerao de dados, resolvendo problemas clssicos utilizando a suite de minerao Weka. Iremos resolver problemas de agrupamento, predio, regresso numrica e classificao.

2. PROCESSO DE DESCOBERTA DE CONHECIMENTO EM BANCO DE DADOS

O processo de Descoberta de Conhecimento em Banco de Dados (DCBD) um processo no trivial de identificao de padres novos, vlidos e potencialmente teis (FAYYAD et al., 1996). Estes padres esto ocultos nos dados e devem ser novos para o sistema, de preferncia para o usurio, vlidos em relao aos dados armazenados e as polticas do negcio, teis para sua devida utilizao nas tarefas para o qual foi requisitado.

Podemos definir dados como um conjunto de fatos sobre determinado assunto e padres como uma linguagem ou um modelo que descreve um sub-conjunto deste fatos. Ou seja, identificar um padro ajustar um modelo aos dados ou identificar uma estrutura no conjunto de dados, descrevendo-os de forma genrica. A DCBD um processo iterativo e interativo composto de diversas etapas que envolvem a preparao dos dados, procura por padres, avaliao e refinamento. O processo interativo pois todas as etapas contm tarefas e decises a serem feitas pelos usurios. Iterativo, pois todas as etapas esto conectadas. Caso a etapa de avaliao no seja satisfatria, de acordo com o processo, podemos voltar para a etapa de preparao dos dados. A Figura 1 representa o processo.

Figura 1 Etapas do DCBD (FAYYAD et al. 1996)

Primeiramente necessrio entender os desejos do usurio, isto , catalogar as necessidades do ponto de vista do negcio e do usurio. Com os desejos catalogados, podemos definir o objetivo do DCBD. Somente poderemos definir o objetivo do processo de minerao quando os requisitos forem levantados, pois a escolha da tcnica de minerao ir depender do objetivo a ser alcanado. Aps o levantamento dos requisitos ter sido realizado, deve-se criar o conjunto de dados no qual o processo ir trabalhar. Este conjunto de dados deve conter todas as informaes necessrias para que os algoritmos de minerao possam alcanar seu objetivo. Essa etapa conhecida como Seleo. A segunda etapa composta por tarefas de pr-processamento. Tcnicas de pr-processamento so responsveis pela remoo de rudos (erros e exemplos fora do padro), pela definio de estratgias para lidar com valores faltosos e pela formatao dos dados de acordo com os requisitos da ferramenta de minerao. A terceira etapa, conhecida como Transformao, tem por objetivo localizar caractersticas teis para representar os dados. Responsvel tambm pela seleo dos melhores exemplos e atributos presentes no conjunto de dados. Logo aps os dados terem sido limpos e pr-processados, iremos aplicar as tcnicas de minerao de dados para alcanar os objetivos definidos na primeira etapa. Os objetivos identificados podem ser descritos como tarefas de classificao, regresso, agrupamento, predio, etc. necessrio escolher qual algoritmo de minerao deve ser utilizado aps a determinao de qual tarefa de minerao ser executada. As tcnicas so escolhidas de acordo com as caractersticas dos dados e da tcnica e com os requisitos apresentados pelos

usurios. Algumas tcnicas de minerao contm parmetros que so utilizados em seu funcionamento, tambm faz parte desta etapa encontrar os melhores parmetros, para que o mtodo possa ser o mais preciso e gil possvel. Somente aps todas essas tarefas terem sido realizadas, hora da execuo propriamente dita do algoritmo de minerao. O algoritmo ir procurar por padres utilizando as suas estratgias, utilizando os dados informados. A quinta etapa interpretar e avaliar os padres identificados. Este passo inclui visualizar os padres extrados ou os modelos que resumem a estrutura e as informaes presentes nos dados. Alm da visualizao, so utilizadas medidas tanto tcnicas quanto subjetivas para avaliar os padres extrados. As medidas tcnicas so informaes referentes a preciso, erro mdio, erro quadrtico e taxas de falsos positivos e falsos negativos. Medidas subjetivas so referentes a informaes como utilidade, entendimento ou complexidade dos padres extrados. Ao final de todo o processo teremos conhecimento em forma de padres. Sendo assim, poderemos utilizar os padres extrados para os quais eles foram desejados. Os padres podem ser utilizados sozinhos ou embutidos em outros sistemas.

3. MINERAO DE DADOS
A noo de encontrar padres teis em grandes volumes de dados pode ser conhecido por diversos nomes, tais como minerao de dados, extrao de conhecimento, descoberta de informaes, arqueologia de dados e processamento de padres de dados. O termo minerao de dados o mais usado por profissionais da computao, estatsticos e analistas de dados. A fase de minerao de dados uma fase do processo de Descoberta de Conhecimento em Banco de Dados (DCBD). Esta etapa responsvel pela aplicao dos algoritmos que so capazes de identificar e extrair padres relevantes presente nos dados (HAN, 2001; WITTEN, 2000). O processo DCBD interdisciplinar, tanto em sua aplicao, quanto das suas fundamentaes tericas. O processo pode ser aplicado a qualquer problema de identificao de padres em dados e contm fundamentao de diversas reas como a banco de dados, inteligncia artificial, estatstica, probabilidade e visualizao de dados.

3.1 Aprendizado
Toda tcnica de minerao passa por um processo chamado de treinamento. A fase de treinamento tem este nome por ser um processo de apresentao dos dados processados para o algoritmo de minerao, cujo objetivo identificar, ou seja, aprender as caractersticas ou padres teis ao objetivo do processo de descoberta de conhecimento. Utilizam-se dados processados para a realizao do aprendizado. Aps o aprendizado ter sido realizado, aplicada uma avaliao, onde podemos verificar medidas estatsticas dos resultados alcanados. A avaliao do algoritmo treinado deve ser realizada utilizando dados no vistos pelo algoritmo, ou seja, inditos. A utilizao de dados inditos fornecer medidas realistas sobre o desempenho do algoritmo, pois os mesmos sero feitos a partir de dados no vistos na fase de treinamento. A fase de avaliao ser realizada de forma correta caso a diviso do conjunto de dados seja realizada. O conjunto deve ser dividido em dados de treinamento e de teste. s vezes, necessrio dividir o conjunto de dados em 3 diferentes conjuntos: treinamento, validao e teste. O conjunto de validao utilizado para ajustar valores dos parmetros de alguns algoritmos e ao mesmo tempo uma boa generalizao. Quando o conjunto de dados dividido em dois, geralmente a diviso de 70% do conjunto para o conjunto de treinamento e 30% para o conjunto de testes. J, quando o conjunto ser divido em 3 (trs), usa-se a proporo 70% para treinamento, 20% para validao e 10% para testes.

3.2 Aprendizagem Supervisionada

Aprendizagem supervisionada aquela que utiliza dados com a classe especificada, ou seja, a instncia contm um atributo classe que especifica a qual classe ela pertence. Existem diversos mtodos de minerao que trabalham com este tipo de aprendizado. Geralmente so tcnicas preditivas, pois tentam predizer qual a classe de uma instncia no vista, baseado nos exemplos utilizados em seu treinamento. Atravs de classificadores, possvel determinar o valor de um atributo a partir de um subconjunto de atributos presente no conjunto de dados. Por exemplo, em uma locadora deseja-se saber o perfil de clientes que alugam mais de 3 filmes ou prever quais clientes aceitariam aderir a um programa de mensalidade para o aluguel de filmes. A forma de representao mais comum para estes exemplos so rvores de deciso ou regras, pois atravs destas, possvel visualizar regras com precedente e conseqente. Por exemplo, cliente com renda superior a 3 salrios, carro prprio, f de ao e terror ento adeso ao programa de mensalidade. Algoritmos como Id3, C45, J48, ADTree, UserClassifier, PredictionNode, Splitter, ClassifierTree, M5Primer, Prism, Part, OneR so classificadores presentes no Weka que produzem regras ou rvores de deciso. Classificadores tambm utilizam modelos matemticos e podem no produzir regras ou rvores para a visualizao de seus resultados. Exemplos destes classificadores so SMO e Redes Neurais. Classificadores so utilizados quando se deseja predizer classes no numricas. dado o nome de regresso numrica para tarefas onde se deseja utilizar classes numricas. Exemplos, aprendizado de uma funo linear ou no linear, prever o volume de vendas de um determinado produto em um supermercado. Tarefas de regresso numrica so mais complexas, pois a classe contnua, ou seja, o espao do contradomnio da funo pode ser gigantesco.

3.3 Aprendizagem No Supervisionada

Aprendizagem no supervisionada aquela que utiliza instncias sem a determinao do atributo classe. Este tipo de aprendizado utilizado geralmente para anlise exploratria dos dados, utilizando tcnicas de agrupamento ou regras de associao. Tcnicas de associao visam encontrar regras que procuram associaes entre atributos presentes no conjunto de dados. Tcnicas deste tipo so capazes de gerar regras do tipo: compra(pneu), compra(leo) ento compra(perfume para ambiente) com 70% de confiana. O Apriori o algoritmo presente na suite Weka que capaz de realizar tarefas de associao. Este algoritmo gera regras de associao utilizando no antecedente e no precedente das regras atributos presente no conjunto de dados. Agrupamentos tm como objetivo relacionar instncias com caractersticas em comuns. Lembrando que o agrupamento uma tcnica que utiliza o aprendizado no supervisionado, ou seja, no utiliza no processamento o atributo classe. A partir da definio de uma mtrica de similaridade, os dados so agrupados, dando a possibilidade de encontrar relaes interessantes entre as instncias. Assim, o cliente do conhecimento gerado pode aplicar uma determinada ao em um subconjunto de instncias presente nos dados. A suite Weka possui os algoritmos Cobweb e SimpleKMeans e EM para tarefas de agrupamento.

3.4 UCI
UCI um repositrio de dados que pode ser utilizado em tarefas de minerao de dados. Atualmente o repositrio contm 194 conjuntos de dados, para atividades como classificao, regresso e agrupamento. O site organiza os conjuntos de dados em diferentes categorias, como tipos de atributo e dados, rea de aplicao, nmero de atributos e instncias e formato do arquivo. Infelizmente o UCI no fornece os conjuntos de dados no formato padro do WEKA, i.e, ARFF, mas isto pode ser contornado atravs do acesso ao site de conjunto de dados do WEKA (http://www.cs.waikato.ac.nz/~ml/weka/index_datasets.html). Tal site contm diversos conjuntos de dados, alm dos presentes no UCI.

4. WEKA
A suite Weka (Waikato Enviroment for Knowledge Analysis) formado por um conjunto de implementaes de algoritmos de diversas tcnicas de Minerao de Dados (UNIVERSITY OF WAIKATO, 2010). O Weka est implementado na linguagem Java, que tem como principal caracterstica a sua portabilidade, desta forma possvel utiliz-la em diferentes sistemas operacionais, alm de aproveitar os principais benefcios da orientao a objetos. O WEKA um software livre, ou seja, est sob domnio da licena GPL e est disponvel em http://www.cs.waikato.ac.nz/ml/weka. Alguns mtodos implementados no WEKA: Mtodos de classificao rvore de deciso induzida Regras de aprendizagem Naive Bayes Tabelas de deciso Regresso local de pesos Aprendizado baseado em instncia Regresso lgica Perceptron Perceptron multicamada Comit de perceptrons SVM Mtodos para predio numrica Regresso linear Geradores de rvores modelo Regresso local de pesos Aprendizado baseado em instncia Tabela de deciso Perceptron multicamadas Mtodos de Agrupamento EM Cobweb SimpleKMeans DBScan CLOPE Mtodos de Associao Apriori FPGrowth PredictiveApriori Tertius

4.1 Arquivo ARFF

Para a aplicao de tcnicas de minerao de dados necessitamos que os dados a serem utilizados estejam de forma organizada. Estes arquivos podem estar em alguma estrutura de dado, planilha ou banco de dados. O WEKA possui um formato para a organizao dos dados, seu nome ARFF. Neste arquivo devem estar presentes uma srie de informaes, dentre elas: domnio do atributo, valores que os atributos podem representar e atributo classe. O arquivo ARFF dividido em duas partes, a primeira contm uma lista de todos os atributos, onde se deve definir o tipo do atributo e/ou os valores que ele pode representar. Os valores devem estar entre chaves ({}) separados por vrgulas. A segunda composta pelas instncias presentes nos dados, os atributos de cada instncia devem ser separados por vrgula, e aqueles que no contm valor, o valor deve ser representados pelo caractere '?'. As informaes presentes no arquivo arff so especificadas utilizando marcaes. Por exemplo, o nome do conjunto de dados especificado atravs da marcao @relation, @atribute para os atributos e os dados em sim so definidos atravs da marcao @data.

4.2 Instalao, Configurao e Utilizao

A suite Weka pode ser adquirida atravs do site http://www.cs.waikato.ac.nz/ml/weka/. No referido site, existe uma seo de download na qual possvel realizar diferentes verses (stable, book e developer) para diferentes plataformas (Windows, Linux e MacOS). Recomenda-se a utilizao da verso stable, pois ela contm bugs resolvidos e vasta documentao. Aps a instalao da suite, no necessrio fazer nenhuma configurao adicional para a sua execuo. Existem apenas configuraes adicionais referentes a utilizao de algoritmos especficos e acesso a banco de dados atravs de JDBC. O Weka pode ser utilizado de trs diferentes formas: interface grfica, linha de comando e atravs de sua API. A interface grfica fornece as diversas ferramentas para seus usurios atravs de janelas e seus elementos. A linha de comando um meio utilizado para dar mais agilidade a processos repetitivos e acesso direto a funcionalidades que teriam mais passos a serem executados, caso fossem acessados via interface grfica. A opo de acesso via API utilizada por desenvolvedores de software por fornecer um meio prtico para o uso das funcionalidades implementadas no Weka. Iremos exemplificar os diferentes problemas utilizando a interface grfica, especificamente a ferramenta Explorer.

5. PROBLEMAS RESOLVIDOS
Esta seo ir focar na resoluo de problemas utilizando a suite Weka. Ser exemplificado problemas de classificao, regresso, agrupamento e associao.

5.1 Classificao
Um problema clssico de classificao classificar a flor iris em 3 espcies utilizando o comprimento e a largura da spala e da ptala. O conjunto de dados contm 150 instncias de 3 espcies (setosa, virgnica e versicolor). Para resolver este problema iremos utilizar o algoritmo J48 que gera uma rvore de deciso. Assim, poderemos entender a relao entre os valores dos atributos e a espcie da flor. Para a realizao da tarefa, deve-se iniciar o Weka e abrir o arquivo ARFF contendo o conjunto de dados Iris. Na Figura 2, vemos uma representao da tela com o conjunto de dados j aberto. Na mesmo possvel ver todos os atributos, inclusive a classe. Alm dos atributos, possvel visualizar alguns dados estatsticos como o valor mximo e mnimo, mdia e desvio padro.

Figura 2Atributos do conjunto iris e algumas estatsticas

Aps o carregamento do conjunto de dados, iremos executar o algoritmo J48. Iremos pular as etapas do processo de DCBD, pois o conjunto de dados j est pr-processado e transformado para o formato que o algoritmo requer. A Figura 3 exibe a aba de classificadores (Classify), com o algoritmo J48 selecionado, treinamento utilizando 70% do conjunto de dados e a rvore de deciso utilizando a estrutura de representao do Weka. Podemos extrair 5 regras atravs da rvore representada na Figura 2. So: LarguraPtala <= 0.6 Setosa LarguraPtala > 1.7 Virginica LarguraPtala <= 1.7 e ComprimentoPtala <= 4.9 Versicolor ComprimentoPtala > 4.9 e LarguraPtala <= 1.5 Virginica ComprimentoPtala > 4.9 e LarguraPtala > 1.5 Versicolor

Alm das regras, podemos perceber que as medidas relativas a spala no foram utilizadas para a determinao da espcie da flor. Sendo assim, as medidas da spalas so irrelevantes para a tarefa de classificao.

Figura 3rvore de deciso utilizando o algoritmo J48

5.2 Regresso Numrica

Para exemplificar a utilizao de algoritmos de regresso numrica, iremos utilizar um exemplo de um proprietrio de uma casa que deseja saber o preo de sua propriedade. Para isso, ele pesquisou 5 variveis de imveis prximos ao seu: tamanho do imvel e do terreno, quantidade de quartos, quartos com granito, banheiros e o preo do imvel. Para se saber qual o preo do imvel do proprietrio, iremos utilizar o algoritmo de regresso linear. A Figura 4 exibe os parmetros para a execuo do algoritmo e o resultado. Os parmetros foram os mesmos utilizados na tarefa de classificao.

Figura 4Parmetros da regresso linear e equao obtida

O algoritmo gerou tal equao: Preo de Venda = -26.6882 * houseSize + 7.0551 * lotSize + 43166.0767 * bedrooms + 42292.0901 * bathroom - 21661.1208. Assim, atravs da equao, o proprietrio poder propor um preo de acordo com o padro observado nas redondezas de seu imvel. Podemos interpretar a partir da equao que a presena de granito nos quartos no importante. O tamanho da casa influi negativamente no preo do imvel. Os quartos e os banheiros so mais importantes que o tamanho do lote, pois seus pesos so maiores que o peso referente ao lote.

5.3 Agrupamento
Como dito anteriormente, a tcnica de agrupamento destinada a anlise exploratria dos dados. O agrupamento agrupa as instncias de acordo com seus atributos utilizando medidas de similaridade. Iremos utilizar o conjunto de dados Iris, junto com o algoritmo CobWeb para exemplificar a aplicao de uma tcnica de agrupamento utilizando o Weka. Iremos verificar a acurcia do algoritmo em subdividir o conjunto de dados em um nmero correto de classes e a definio de cada classe a sua respectiva instncia. Para isso iremos utilizar o conjunto Iris, sabendo o nmero de classes. Deve-se selecionar o algoritmo CobWeb, a partir da aba Cluster, com a opo percentage split (percentagem da diviso) com o valor 70 e a opo Store to clusters evaluation (Armazenar agrupamentos para visualizao) marcada. A Figura 5 exibe o resultado da execuo do algoritmo.

Figura 5: Resultado da execuo do algoritmo CobWeb

Atravs da Figura 5 podemos visualizar que o algoritmo dividiu o conjunto de dados em 4 grupos, sendo que um grupo contm nenhuma instncia. Cada grupo ficou exatamento com 50 instncias, nmero correto de instncias; podemos comparar este resultado com o conjunto de dados. Pode-se visualizar o agrupamento com mais detalhes atravs de grficos. Os grficos permitem a observao dos atributos, classes e grupos das instncias utilizadas. A Figura 6 representa um grfico, cuja abscissa representa o nmero da instncia, a ordenada, a classe que a instncia representa e as cores representam o grupo que determinada instncia pertence. Pode-se perceber ainda, que todas as instncias foram corretamente agrupadas, pois as pertencentes a cada classe foram agrupadas em um mesmo grupo.

Figura 6: Grfico do agrupamento do conjunto Iris

Pode-se tambm visualizar os grupos atravs de uma rvore. A rvore desta execuo pode ser observada atravs da Figura 7. Tambm possvel visualizar detalhes sobre as instncias presentes em cada grupo. A Figura 8 representa todas as instncias pertencentes ao grupo 1. possvel saber detalhes sobre uma instncia em especfico, para isso necessrio apenas selecionar tal opo. A Figura 8 representa os detalhes de uma instncia. possvel visualizar todos os valores desta instncia.

Figura 7: rvore de agrupamento do conjunto Iris

Figura 8: Grfico com as instncias pertencentes ao grupo 1

Figura 9: Valores dos atributos da instncia 42

5.4 Associao
A tcnica de associao uma tcnica exploratria (AGRAWAL, 1994). A associao gera regras que descrevem os padres mais relevantes presentes nos dados. As regras so compostas por precedentes e conseqentes, ou seja, a regra contm no precedente um subconjunto de atributos e seus valores e no conseqente um subconjunto de atributos que decorrem do precedente. Por exemplo, quem compra ovos, manteiga, farinha de trigo e chocolate tambm compra fermento. As regras servem para diversas utilidades, dentre elas a descoberta de padres de comportamento, aplicaes em marketing e desenvolvimento de novos produtos. Iremos utilizar o algoritmo Apriori implementado na suite para exemplificar a aplicao da associao no Weka. O conjunto de dados que iremos utilizar ser o supermercado.arff. Este conjunto de dados descreve um conjunto de compras de clientes em um supermercado. Cada instncia uma compra e caso o cliente compre certo atributo, o valor para ele ser 't'. O conjunto composto por 217 atributos e 4627 instncias.

Para utilizar o algoritmo Apriori, necessitamos primeiramente carregar o arquivo supermercado.arff. Aps o arquivo ter sido aberto, iremos aba Association. A Figura 10 representa a aba Association com o algoritmo Apriori selecionado. Alm da seleo, possvel visualizar tambm algumas regras.

Figura 10: Aba associao com algumas regras geradas

A suite Weka retorna as 10 melhores regras, nmero que pode ser alterado nas configuraes do algoritmo. O nmero aps o precedente significa o nmero de instncias que a regra cobre; j o nmero aps o conseqente significa o nmero de instncias preditas corretamente. O valor aps a palavra conf o valor da confidncia da regra. A confiana significa o percentual de ocorrncia da regra. A confiana calculada a quantidadedeinstnciascontendoAquantoB quantidadedeinstnciascontendoA partir da Equao: conf(A B)= . A Figura 9 apresenta 10 regras: Se o cliente comprou biscoitos, comida congelada, frutas e o total foi alto ento ele comprou po e bolo. 92% de confiana; Se o cliente comprou utenslios de cozimento, frutas e o total foi alto ento ele comprou po e bolo. 92% de confiana; Se o cliente comprou utenslios de cozimento, comida congelada, frutas e o total foi alto ento ele comprou po e bolo. 92% de confiana; Se o cliente comprou biscoito, frutas, vegetais e o total foi alto ento ele comprou po e bolo. 92% de confiana; Se o cliente comprou salgadinhos, frutas e o total foi alto ento ele comprou po e bolo. 91% de confiana; Se o cliente comprou biscoitos, comida congelada, vegetais e o total foi alto ento ele comprou po e bolo. 91% de confiana;

Se o cliente comprou utenslios de cozimento, biscoitos, vegetais e o total foi alto ento ele comprou po e bolo. 91% de confiana; Se o cliente comprou biscoitos, frutas e o total foi alto ento ele comprou po e bolo. 91% de confiana; Se o cliente comprou comida congelada, frutas, vegetais e o total foi alto ento ele comprou po e bolo. 91% de confiana; Se o cliente comprou comida congelada, frutas e o total foi alto ento ele comprou po e bolo. 91% de confiana;

6.

CONCLUSES

Este documento apenas uma introduo a minerao de dados e ao seu uso utilizando a suite Weka. A suite Weka tem muito mais potencialidades do que as apresentadas neste minicurso. Deve-se adquirir experincia e maior conhecimento da ferramenta com seu uso e na resoluo de problemas reais. A minerao de dados e conseqentemente a DCBD, possuem uma vasta aplicao, tanto comercial quanto acadmica. Este minicurso fornece apenas orientaes iniciais nesta rea e apresenta algumas tcnicas utilizando a suite Weka. O avano da tecnologia e conseqentemente do volume de dados propicia o aumento da rea de atuao de um analista de dados. O analista tem em suas mos um grande mercado consumidor, que pode fornecer aos seus clientes solues fceis, geis e inteligente. A leitura e o aprendizado contnuo so peas chaves para um profissional de minerao de dados de sucesso.

REFERNCIAS
AGRAWAL, R.; SRIKANT, R. Fast algorithms for mining association rules in large databases. Proceedings of the International Conference on Very Large Databases, Santiago, Chile, 1994. FAYYAD, U. M.; PIATESKY-SHAPIRO, G.; SMYTH, P. From Data Mining to Knowledge Discovery: An Overview. In: Advances in Knowledge Discovery and Data Mining, AAAI Press, 1996. HAN, J.; KAMBER, M. Data Mining: Concepts and Techniques. Morgan Kaufmann, 2001. UNIVERSITY OF WAIKATO. Weka 3 Machine Learning Software in Java. Disponvel no site da University of Waikato (2010). URL: http://www.cs.waikato.ac.nz/ml/weka WITTEN, I.; FRANK, E. Data Mining Practical Machine Learning Tools. Morgan Kaufmann, 2000.