Poslužitelj za analizu podataka - koraci u pripremi meningitis ulazne datoteke

Kako smo pripremili datoteku sa meningitis podacima ?

1. korak pohranite podatke na svoje računalo: Počnite s izvornom datotekom, (koja je kopija datoteke pripremljene za JSAI KDD izazov 2001). Datoteku možete spremiti pritiskom desne tipke miša i odabirom opcije SAVE ... AS.
2. korak uklonite nepotrebne retke (komentare): Izbrišite retke 1, 2, 3, i 126 koji se koriste kao kometari u datoteci.
3. korak odaberite znak radvajanja: U datoteci je korišten zarez kao znak razdvajanja što nije potrebno mijenjati. U svim predstojećim eksperimentima odaberite zarez kao znak razdvajanja, broj polaznih modela 1, parametar generalizacije 1 i ne koristite mogućnost detekcije šuma.
4. korak zamijenite sve '(' i ')' sa '_': Ukoliko s tako pripremljenom datotekom krenete u analizu podataka za očekivati je da eksperiment neće uspjeti jer nije označen ciljni atribut. Ipak, poslužitelj će javiti slijedeću grešku: 'Greška je E1001 / 23'. Problem je u znaku '(' prepoznatom u prvom retku datoteke. Ne zaboravite da poslužitelj javlja samo prvu prepoznatu pogrešku u analizi podataka. Ostale pogreške u datoteci poslužitelj prepoznaje samo nakon što se ukloni prvo prepoznata pogreška.
5. korak odaberite ciljni atribut: Do ovog koraka javljena greška je E1001 / 31 jer još uvijek nije označen ciljni atribut. Pretpostavimo da nas zanimaju razlike izmedju dijagnoza BACTERIA i VIRUS i želimo inducirati pravila za dijagnozu BACTERIA koju uzimamo za pozitivnu klasu. 'Diag2' odabiremo za ciljni atribut zamjenom oznake 'Diag2' s oznakom '!Diag2'. Sada kada smo odredili pozitivnu klasu, sve vrijednosti atributa s nazivom 'BACTERIA' iz četvrte kolone treba zamijeniti s nazivom '!BACTERIA'. Zadatak nije potpuno jednostavan jer i u trećoj koloni datoteke postoje nazivi 'BACTERIA', a njih se ne smije mijenjati.
6. korak zamijenite '-' i '+' znakove: Do ovog koraka javljena greška je E1001 / 35 jer znak '-' nije ispravan naziv za ulaznu vrijednost atributa. Problem možemo ukloniti tako da znak '-' zamijenimo s nizom slova 'minus', a znak '+' s 'plus'. Ukoliko nam se više dopadaju kraći nazivi, možemo jednostavno koristiti slova 'm' i 'p'.
7. korak RADI ali .. korisno je izostaviti neke ulazne atribute: Nakon svih ovih ispravki poslužitelj će dati prvo pravilo. Ono ne izgleda vrlo korisno jer se koristi podacima iz trećeg stupca koji se zove 'DIAG', a koji sadrži iste informacije kao i ciljni atribut iz četvrtog stupca. Savjet je isključiti treći stupac iz procesa indukcije tako što ćemo naziv 'DIAG' zamijeniti s nazivom '?DIAG'. Na isti način korisnik može izostaviti i ostale atribute i tako utjecati na dobivena inducirana pravila.
8. korak promijena znaka razdvajanja (po potrebi): U datoteci je moguće jednostvano zamijeniti zarez kao znak razdvajanja sa znakom točka-zarez ili TAB. Ukoliko pak odlučite koristiti 'razmak' za znak razdvajanja svakako uočite da postoje neke nepoznate vrijednosti atributa koje nisu označene s '?'. One su u polaznoj datoteci označene sa dva uzastopna zareza koji eventualno mogu biti razdvojeni 'razmakom'. Kada koristimo 'razmak' za znak razdvajanja, te vrijednosti atributa moraju se označiti s '?'.