3. Elegir el algoritmo de minería (o aprendizaje) (CART, C5.0, Backpropagation
La entrada del proceso de MD
Vista minable: en un contexto de BD relacionales, es una única tabla con todos los atributos relevantes para el proceso de MD.
Atributos: Nos concentraremos en dos tipos de atributos
Atributos numéricos: enteros, reales.
Atributos nominales: también referenciados como atributos categóricos, enumerados o discretos.
Toman valores en un conjunto finito y preestablecido de categorías.
Fase de evaluación, interpretación y visualización
1. Criterios para la evaluación de los modelos (patrones) descubiertos:
Precisos
Técnicas de evaluación (Validación simple y cruzada. Bootstrapping)
Medidas de evaluación de modelos (precisión predictiva (sobre "testing set")), confianza y cobertura, error cuadrático medio, cohesión y separación).
Comprensibles (inteligibles)
Interesantes (útiles y novedosos)
2. Interpretación y contextualización: Evaluar el contexto donde se va a usar el modelo.
Distribuciones de clases no balanceadas.
Tipo de errores y costo asociado.
Situaciones extraordinarias del mundo real (uso de conocimiento previo).
3. Visualización
La salida del proceso de MD
Reglas de clasificación (ver ejemplo 3)
Clusters (grupos) (ver ejemplo 4)
Árboles de decisión (ver ejemplo 5)
Redes neuronales
Reglas de asociación
Reglas relacionales (ILP)
Reglas difusas
Ecuaciones de regresión
Árboles de regresión
K-NN y CBR (Case-based reasoning)
Modelos Bayesianos
Notación
Conjunto de (nombres de) atributos A = fA1;A2; : : : ;Ang.
Por cada atributo Ai 2 A, un conjunto de valores (o dominio) V (Ai) = fvi1 ; vi2 ; : : : ; vimg.
Asumiremos que V _ V (A1) [ V (A2) [ : : : [ V (An).
En un conjunto de ejemplos de entrenamiento E sobre A, cada elemento (ejemplo) ej 2 E, es
una n-tupla, representada por un mappging ej : A ! V, tal que ej(Ai) 2 V (Ai), 1 _ i _ n.
T (A) es el conjunto de todas las tuplas sobre los atributos de A y sus dominios.
Clasificación
Una de las tareas más utilizada en DM.
Cada instancia (registro) de la BD es rotulada con el valor de un atributo especial que llamamos la clase de la instancia.
Cada uno de los valores (discretos) que puede tomar este atributo corresponde a una clase.
El resto de los atributos de la instancia se utilizan para predecir la clase.
Objetivo: predecir la clase de nuevas instancias no clasificadas.
Ejemplo:
Dada una base de datos E con imágenes de rostros de un número acotado de personas con sus respectivos nombres, aprender una función que, dada una nueva imágen de
una de estas personas, permita determinar su identidad.
Aprendizaje
Aprendizaje de Conceptos
También denominada clasificación binaria. Forma particular de clasificación en la que el atributo objetivo
AO es booleano y por lo tanto la función a estimar es del tipo:
c : X ! f0; 1g
Los ejemplos en E son rotulados como pertenecientes al concepto (con valores 1, si, verdadero o +) o no pertenecientes al concepto (con valores 0, no, falso o ??). En el primer caso hablaremos de ejemplos positivos y en el segundo de ejemplos negativos.
Clasificación "suave"
Además de un clasificador h : X ! V (AO) se aprende otra función _ : X ! R, tal que _(x) significa el grado de certeza de la clasificación realizada por h respecto a la instancia x.
Variantes de la clasificación "suave": aprender estimadores de probabilidad:
h : X ! PD(V (AO))
donde PD(V (AO)) es el conjunto de distribuciones válidas sobre V (AO).
Si jV (AO)j = m y h(x) = p, p es una m-tupla p : V (AO) ! R+ tal que p(ci) es la probabilidad de que x pertenezca a la clase ci, 8ci 2 V (AO).
Aprendizaje de Conceptos
Ejemplos:
Determinar si un mensaje de correo electrónico es spam o no.
Determinar la conveniencia de operar a un paciente de acuerdo a sus síntomas.
Determinar si la imágen de una persona correponde a "Perez" o no.
Determinar si un día es propicio para jugar a un deporte particular.
Categorización
Los valores de AO corresponden a categorías y a una instancia le puede corresponder más de una categoría. El modelo a aprender ya no representa una función sino una correspondencia 1 a n.
Alternativa:
c : X ! 2V (AO)
Ejemplos:
Categorizar leyes de acuerdo a las áreas de gobierno involucradas.
Categorizar documentos de acuerdo a los temas abordados.
Dado un conjunto de perfiles de clientes, determinar los productos que pueden comprar.
Agrupamiento (clustering)
Dados
Un conjunto de datos E sin etiquetar, E _ X y X _ T (A). determinar
Un conjunto de grupos G = fg1; : : : ; glg.
Una función h : X ! G
El número de grupos jGj = l puede ser especificado a priori o determinado por el algoritmo de clustering.
Análisis de asociaciones (o vínculos)
Tarea descriptiva que tiene como objetivo identificar relaciones no explícitas entre atributos categóricos o nominales.
Dado
Un conjunto de datos E sin etiquetar.
encontrar
Un conjunto de reglas R = frkg
Cada regla rk con nk antecedentes y mk consecuentes es de la forma:
si Aa1 = va1 ^ : : : ^ Aank
= vank
entonces Ac1 = vc1 ^ : : : ^ Acmk
= vank
donde Aai ;Acj 2 A, vai 2 V (Aai ), vcj 2 V (Acj ), para i = 1 : : : nk, j = 1 : : :mk.
Algunas áreas de investigación y desafíos en DM
Escalar a conjuntos de datos extremadamente largos.
Algoritmos que puedan aprender desde atributos numéricos y simbólicos combinados con otros tipos de atributos (imágenes, texto, sonido).
Optimizar decisiones en lugar de predicciones.
Experimentación activa
Web Mining
Interacción de usuario y conocimiento previo
Datos rápidamente cambiantes (no estacionarios)
CONTINUACION……
IntroducciónEstas prácticas consisten en, dado un conjunto de datos (numéricos y/o nominales) referidos a un problema cualquiera, aplicar algoritmos de inteligencia artificial que realizan un aprendizaje automático para establecer patrones y modelos sobre esos datos y así extraer conclusiones sobre ellos. Los objetivos son profundizar en las técnicas básicas de aprendizaje automático / minería de datos, aprender con más detalle algunos de los algoritmos de aprendizaje, aprender a evaluar el resultado de la aplicación de un algoritmo y aprender a evaluar la aplicación de varios algoritmos. Para ello se utilizará:
Los datos corresponden a una gran variedad de problemas diferentes. Hay dos tipos de conjuntos de datos: datos numéricos (en los que los valores de las variables son números) y datos nominales (con valores discretos nominales). Ejemplos de conjuntos con datos nominales son:
Ejemplos de datos numéricos:
Hay que modelar al menos dos problemas, uno de tipo nominal y otro de tipo numérico, de cualquier categoría, utilizando los algoritmos que se estime oportuno. En particular, con los datos nominales hay que emplear al menos dos de los siguientes algoritmos:
Y con los datos numéricos hay que emplear al menos dos de los siguientes algoritmos:
Se pide:
|
Bibliografía
http://www.it.uc3m.es/jvillena/irc/practicas/propuestas/mineriadedatos.html
Autor:
Darien
| Página siguiente |