/*
* To change this template, choose Tools | Templates
* and open the template in the editor.
*/
package wekadatamining;
/**
*
* @a{
DataSource ar = new DataSource(ruta);
coleccion = ar.getDataSet();
coleccion.setClassIndex(coleccion.numAttributes() - 1);
//presentar la coleccion s.Evaluation;
import weka.classifiers.rules.M5Rules;
import weka.classifiers.rules.NNge;
import weka.classifiers.rules.PART;
import weka.classifiers.rules.Ridor;
import weka.classifiers.rules.ZeroR;
import weka.core.Debug.Random;
import weka.core.Instances;
import weka.core.converters.ConverterUtils.DataSource;
public class Algoritmos {
//variable de resultados
String resultado = "\n";
//variable de datos del archivo xxxx.arff
String datosarchivo = "\n";
//variable de la ruta del archivo
String ruta;
//variable de las Instances del archivo
Instances coleccion;
//variable del fold del cross-validation
int crossValidation;
//variable de tipo de evaluacion
int tipo;
public int getTipo() {
return tipo;
}
public void setTipo(int tipo) {
this.tipo = tipo;
}
public int getCrossValidation() {
return crossValidation;
}
public void setCrossValidation(int crossValidation) {
this.crossValidation = crossValidation;
}
public Algoritmos(String ruta) {
this.ruta = ruta;
}
//Conjunto de datos del archivo .arrf
public String datos() {
try ;
} catch (Exception exception) {
resultado = exception.toString();
mostrarMsj();
}
return resultado;
}
//algoritmo Part
public String ejede entrenamiento
datosarchivo = datosarchivo + "\nColeccion de entrenamiento:\n";
datosarchivo = datosarchivo + coleccion.toString();
} catch (Exception ex) {
datosarchivo = ex.toString();
}
return datosarchivo;
}
//algoritmo RIDOR
public String ejecutarRidor() {
resultado = "\n";
Ridor ridor = new Ridor();
try {
//Construyendo el clasificador
ridor.buildClassifier(coleccion);
//llama al metodo para obtener la matrixConfusion
String matrix = matrixConfusion(ridor);
resultado = resultado + ridor.toString();
resultado = resultado + matrix;
} catch (Exception exception) {
resultado = exception.toString();
mostrarMsj();
}
return resultado;
}
//algoritmo ZeroR
public String ejecutarZeroR() {
resultado = "\n";
ZeroR zeror = new ZeroR();
try {
zeror.buildClassifier(coleccion);
String matrix = matrixConfusion(zeror);
resultado = resultado + zeror.toString();
resultado = resultado + matrixm5rules.toString();
resultado = resultado + matrix;
} catch (Exception exception) {
resultado = exception.toString();
mostrarMsj();
}
recutarPart() {
resultado = "\n";
PART part = new PART();
try {
part.buildClassifier(coleccion);
String matrix = matrixConfusion(part);
resultado = resultado + part.toString();
resultado = resultado + matrix;
} catch (Exception exception) {
resultado = exception.toString();
mostrarMsj();
}
return resultado;
}
//algoritmo NNge
public String ejecutarNNge() {
resultado = "\n";
NNge nnge = new NNge();
try {
nnge.buildClassifier(coleccion);
String matrix = matrixConfusion(nnge);
resultado = resultado + nnge.toString();
resultado = resultado + matrix;
} catch (Exception exception) {
resultado = exception.toString();
mostrarMsj();
}
return resultado;
}
//algoritmo M5Rules
public String ejecutarM5Rules() {
resultado = "\n";
M5Rules m5rules = new M5Rules();
try {
m5rules.buildClassifier(coleccion);
String matrix = matrixConfusion(m5rules);
resultado = resultado + m5rules.toString();
resultado = resultado + matrix;
} catch (Exception exception) {
resultado = exception.toString();
mostrarMsj();
}
return resultado;
}
public void mostrarMsj() {
JOptionPane.showMessageDialog(null, "Trate de ejecutar con otro algoritmo", "Error", JOptionPane.ERROR_MESSAGE);
}
//Metodo para matrixConfusion
public String matrixConfusion(Classifier classifier) {
String matrix = "\n";
//Modelo de Test
Evaluation eTest;
try {
eTest = new Evaluation(coleccion);
// es 1 si utiliza cross validation caso contrario utiliza todo
// el conjungo de datos para evaluar el modelo
if (tipo != 1) {
Random rand = new Random(1);
//los FOLDS para cross-validation
int folds = getCrossValidation();
//llamando al metodo cross-validation
eTest.crossValidateModel(classifier, coleccion, folds, rand);
} else {
eTest.evaluateModel(classifier, coleccion);
}
//Muestra el resumen de la evaluacion
String strSummary = eTest.toSummaryString();
matrix = matrix + " ===== SUMARY =====\n" + strSummary;
// obtener confusion matrix
matrix = matrix + eTest.toMatrixString();
} catch (Exception ex) {
JOptionPane.showMessageDialog(null, ex.toString(), "ERROR", JOptionPane.ERROR_MESSAGE);
}
return matrix;
}
}
