TAREA SOFTWARE WEKA

Presentado por:
Camilo Andrs Huertas H.




Presentado a:
Ing. German Vargas.







UNIVERSIDAD MANUELA BELTRN
FACULTAD DE INGENIERAS
INGENIERA DE SISTEMAS
DIPLOMADO EXPERTO EN BASES DE DATOS
BOGOT D.C
2014

INSTALACIN SOFTWARE









EJERCICIO PRCTICO

La empresa de software para Internet HAVING Web quiere extraer tipologas de
empleados, con el objetivo de hacer una poltica de personal ms fundamentada y
seleccionar a qu grupos incentivar.
Las variables que se recogen de las fichas de los 12 empleados de la empresa
son:
Sueldo: sueldo anual.
Casado: si est casado o no.
Coche: Si tiene coche o no.
Hijos: si tiene hijos.
Alq/Prop: si vive en una casa alquilada o propia.
Sindic.: si pertenece al sindicato revolucionario de Internet
Antigedad: antigedad en la empresa
Genero: H: hombre, M: mujer.
Los datos de los 12 empleados se encuentran en el fichero empleados.arff. Se
intenta extraer grupos de entre estos quince empleados.

1. Se crea el archivo en un Bloc de Notas y posteriormente se guarda con
extensin .arff Quedando la estructura de la siguiente manera:
@relation empleados
@attribute Sueldo numeric
@attribute Casado {yes, no}
@attribute Coche {yes, no}
@attribute Hijos {yes, no}
@attribute Al/Prop {alquilada, propia}
@attribute Sindic {yes, no}
@attribute Antiguedad numeric
@attribute Genero {m, f}



@data
340,yes,no,yes,propia,no,5,m
250,no,yes,no,alquilada,yes,3,f
350,yes,yes,yes,propia,yes,5,m
400,yes,yes,no,alquilada,no,6,f
390,no,no,yes,alquilada,no,7,f
550,no,yes,no,propia,yes,10,m
740,yes,yes,yes,alquilada,yes,5,m
650,no,yes,no,propia,no,9,f
550,yes,yes,no,propia,yes,10,f
400,no,yes,no,alquilada,yes,8,m
490,no,yes,yes,alquilada,yes,9,f
550,yes,yes,no,propia,no,11,m

2. Al guardar el archivo nos debe crear un icono similar a este


3. Resolucin del Problema
Para la resolucin de este problema se utilizara un algoritmo de clustering para
obtener grupos sobre esta poblacin. Para ello acudimos a la ventana Cluster.
Para ello en Clusterer, pulsamos Choose, y seleccionamos
1
SimpleKmeans.


4. Al cargar el archivo empleados queda de la siguiente forma:

1

3.0, L. C. (09 de 05 de 2014). Wikipedia. Obtenido de Wikipedia: http://es.wikipedia.org/wiki/K-
means


5. Nos ubicamos sobre la pestaa cluster

6. Seleccionamos el algoritmo SimpleKMeans

7. Seleccionamos la opcin Use Training set para que tome todos los valores
y posteriormente Pulsamos en el botn Start para inicializar el
procedimiento de clculo.


8. Como se puede observar arrojara el nmero de iteraciones que realizo
para hallar los resultados con menos margen error
9. Como resultado de la operacin indica que los empleados de tipo gnero
masculino y con tipo de vivienda alquilada, son a los cuales se debe hacer
un nfasis para lograr incentivarlos.