Ejemplo Select attributes

Pasos para realizar Attribute Selection en Weka con el dataset diabetes.arff:

1. Cargar el Dataset:

• Abre Weka.
• Ve a la pestaña Preprocess.
• En Open file…, selecciona el archivo diabetes.arff desde la carpeta de datasets de Weka.

2. Ir a la pestaña Select attributes:

• Una vez cargado el dataset, cambia a la pestaña Select attributes.

3. Elegir el método de selección de atributos:

• En Attribute Evaluator, selecciona un método. Usaremos el evaluador InfoGainAttributeEval para evaluar cuánta información aporta cada atributo respecto a la clase (outcome).
• En Search Method, selecciona Ranker para que ordene los atributos por su importancia.
• Haz clic en Start para ejecutar el proceso de selección de atributos.

Ejemplo con InfoGainAttributeEval y Ranker:

• En Attribute Evaluator, selecciona InfoGainAttributeEval.
• En Search Method, selecciona Ranker.
• Haz clic en Start para ver los resultados.

4. Ejemplo de resultados:

Después de ejecutar la selección, deberías obtener una salida similar a esta:

=== Attribute selection on all input data ===

Ranking of attributes by InfoGain:
0.423   2   plas (Plasma glucose concentration)
0.276   6   mass (Body mass index)
0.160   1   preg (Number of times pregnant)
0.156   8   age (Age in years)
0.141   5   skin (Triceps skin fold thickness)
0.129   3   pres (Diastolic blood pressure)
0.071   7   pedi (Diabetes pedigree function)
0.034   4   insu (2-Hour serum insulin)

5. Interpretación:

• InfoGainAttributeEval calcula cuánta información aporta cada atributo respecto a la clase objetivo (diabetes). En este caso, los atributos más importantes son:
  • plas (Plasma glucose concentration) con una ganancia de información de 0.423.
  • mass (Body mass index) con una ganancia de información de 0.276.
• Los atributos como insu (2-Hour serum insulin) tienen una ganancia de información mucho menor, lo que indica que contribuyen poco a la predicción del outcome (si la persona tiene diabetes o no).

6. Filtrado de atributos:

• Para reducir los atributos, puedes fijar un umbral en Ranker, como por ejemplo seleccionar solo aquellos atributos con ganancia de información superior a 0.1. Esto te permitirá reducir los atributos menos relevantes.

7. Clasificación:

• Después de realizar la selección, puedes usar estos atributos seleccionados para entrenar un modelo de clasificación (por ejemplo, con J48 o RandomForest) y comparar el rendimiento con el modelo completo.