2011: mineração de dados - conceitos básicos e aplicações
Post on 15-Dec-2014
1.513 Views
Preview:
DESCRIPTION
TRANSCRIPT
Mineração de Dados:Conceitos Básicos e Aplicações
Leandro Nunes de CastroLnunes@mackenzie.br
@lndecastro
Faculdade de Computação e Informática &Programa de Pós-Graduação em Engenharia Elétrica
Laboratório de Computação Natural (LCoN)www.mackenzie.br/lcon.html
SBAI 2011 (18/09/2011)
2
Sumário
• Sobre o Mini-Curso• Motivação• Introdução• Pré-Processamento• Credibilidade do Processo de Aprendizagem• Análise de Grupos• Predição: Classificação e Estimação• Detecção de Anomalias• ShiftHappens
Quem Sou Eu
• Formado em Engenharia Elétrica com ênfase em Computação, possui Mestrado, Doutorado e Pós-doutorado em Engenharia de Computação. Empresário, empreendedor, acadêmico, escritor e pai de família. É especialista em Computação Natural e transformação de bases de dados em conhecimentos para a tomada de decisão estratégica nos negócios. Possui cinco livros publicados, coordena o Laboratório de Computação Natural (LCoN) do Programa de Pós-Graduação em Engenharia Elétrica do Mackenzie e é sócio-diretor das empresas NATCOMP e TUILUX.
Quem São Vocês
• Idade• Redes Sociais• Interesses• Formação• Conhecimento
Dinâmica do Mini-Curso
Aulas interativas e ilustradas com aplicações práticas, dinâmicas de grupo e sorteios do livro “Computação Natural: Uma Jornada Ilustrada”.
Preparados?
Motivação
Um Universo de Dados
A Nova Realidade
Sobre Dados e Informação
Sobre Dados e Informação
Sobre Dados e Informação
Fonte: wikipedia.org
Introdução
Conceitos Básicos
A Mineração de Dados
http://tr.toonpool.com/cartoons/miner_29770
O Processo de Mineração
Multidisciplinaridade
Mineração de Dados
Bancos de Dados
Outras Disciplinas
Sistemas de Informação
Aprendizagem de Máquina
Visualização
Estatística
Inteligência Artificial
• Estabelecer a significância prática e estatística da mineração.
• Reconhecer que as características da base de dados influenciam todos os resultados.
• Necessidade de conhecer os dados.• Busca pela parcimônia.• Verifique os erros.• Valide seus resultados.
Dicas para Uma Análise Efetiva
• Inteligência Artificial• Aprendizagem de Máquina• Computação Flexível• Inteligência Computacional• Computação Natural• Computação Bioinspirada
As Diferentes Nomenclaturas
• Descritivas: caracterizam as propriedades gerais dos dados; e
• Preditivas: fazem inferência com os dados objetivando predições.
Principais Tarefas
até R$ 1.434,59
até R$ 2.150,00
até R$ 2.866,70
até R$ 3.582,00
acima de R$ 3.582,01
2832 33 32
37
Salário: Faixa IRRF
• Descrição de Classes e Conceitos• Agrupamento• Predição: Classificação e Estimação• Associação• Detecção de Anomalias
Principais Tarefas
• Supervisionada• Não-Supervisionada• Reforço
Paradigmas de Aprendizagem
Aprendizagem Supervisionada
{(xi,di)}i = 1,...,N, onde xi e di i, são os vetores de entrada e as respectivas saídas desejadas.
Sinal de erro
SupervisorSaída desejada
Saída atual
+
Vetor descrevendo oestado do ambiente
Ambiente
Sistema emAprendizagem
Aprendizagem Não-SupervisionadaVetor de estado
do ambiente
AmbienteSistema em
Aprendizagem
Aprendizagem por Reforço
Ações
Crítico
Reforçoprimário
Reforço heurístico
Vetor de estado(entrada)
Ambiente
Sistema emAprendizagem
Nomenclatura e Tipos de DadosSalário
R$Idade
Estado Civil
Cartão de Crédito
Imóveis VeículosNro de Filhos
Possui Cheque Especial
Financiamento
Pretendido
Credito
Autorizado
350 21 Sol. 0 0 0 0 Sim 10.000 Não
3700 52 Cas. 1 1 2 2 Sim 7.000 Sim
1200 26 Cas. 1 0 1 1 Não 10.000 Não
700 25 Sol. 0 0 0 0 Não 5.000 Sim
8500 50 Cas. 2 1 2 2 Sim 40.000 Sim
1800 27 Sol. 1 0 1 0 Sim 20.000 Não
350 20 Sol. 0 0 0 0 Não 10.000 Não
Objetos x AtributosTipos de Dados: Nominais, Ordinais, Numéricos
Pré-Processamento
Problemas com Bases de DadosDuração 1 2 3 2
Aumento salarial ano 1 2% 4% 4.3% 4.5%
Aumento salarial ano 2 ? 5% 4.4% 4.0%
Aumento salarial ano 3 ? ? ? ?
Ajuste de custo de vida Nenhum Tcf ? Nenhum
Carga horária semanal 28 35 38 40
Aposentadoria Nenhum ? ? ?
Pagamento por horas vagas ? 13% ? ?
Horas extras ? 5% 4% 4
Adicional para educação Sim ? ? ?
Feriados 11 15 12 12
Férias Avg Gen Gen Avg
Assistência para ausência prolongada Não ? ? Sim
Seguro odontológico Nenhum ? Full Full
Seguro de vida Não ? ? Sim
Seguro saúde Nenhum ? Full Half
Aceitabilidade do contrato Ruim Boa Boa Boa
Problemas com Bases de Dados
• Limpeza: para remoção de ruídos e correção de inconsistências;• Integração: para unir dados de múltiplas fontes em um único
local, como um armazém de dados (data warehouse);• Redução: para reduzir a dimensão da base de dados, por
exemplo, agregando, agrupando ou eliminando atributos redundantes, ou sumarizando os dados;
• Transformação: para deixar os dados em um formato passível de aplicação das diferentes técnicas de mineração;
• Discretização: para permitir que métodos que trabalham apenas com atributos nominais possam ser empregados a um conjunto maior de problemas. Também faz com que a quantidade de valores para um dado atributo contínuo seja reduzida.
Principais Tarefas
Credibilidade do Processo de Aprendizagem
• Erro de Representação ou efeito bias.• Erro de Generalização ou variância.• Erro de Otimização.
Erros
MSE
erro
nível ótimo degeneralização
bias elevado variânciaelevada
Sobretreinamento
-3 -2 -1 0 1 2 3
-1.0
-0.8
-0.6
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
• Como critério de parada• Como metodologia de estimação de erro
Validação Cruzada
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
Teste Treinamento
Passo 1:
Passo 2:
1 2 3 4 5 6 7 8 9 10 Passo 10:
. . .
Medidas de Desempenho em Classificação
Classe Predita
Sim Não Sim TP FN
Classe Correta
Não FP TN
TP: Verdadeiro PositivoFP: Falso PositivoTN: Verdadeiro NegativoFN: Falso Negativo
FNTP
TP
P
TPTPR
TNFP
FP
N
FPFPR
FNTNFPTP
TNTPACC
Medidas de Desempenho em Estimação
N
jje
1
2
N
jjeN 1
21
N
jjeN 1
21
N
jjeN 1
||1
N
jj
N
jj
N
jjj
yydd
yydd
1
2
1
2
1
)(.)(
))((
Soma dos Erros Quadráticos
Erro Quadrático Médico
Raiz do Erro Quadrático Médio
Erro Absoluto Médio
Coeficiente de Correlação
Medidas de Desempenho em Agrupamento
k
i r
ir
r
ir
r n
n
n
n
kSE
1
loglog
1)(
k
rr
rglobal SE
n
nE
1
)(
)(max1
)( ir
ir
r nn
SP
k
rr
rglobal SP
n
nP
1
)(
G1
G2
G3
Desafio 01
Avaliando a Taxa de Classificação
• Considere o problema de detecção de Spams (SPAM). A classe alvo é Spam. Assuma que a base possui N = 1.500 objetos, sendo nspam = 32. Considere o seguinte resultado de um algoritmo de classificação aplicado a esta base de dados:
• Spam classificados corretamente: 27.• E-mail normal classificado corretamente: 1.411.Pede-se:• Determine TPR, FPR, ACC.• Monte a matriz de confusão do classificador.
Detecção de Spam
Estudo de Caso 01 Descrição de Classes e Conceitos
Dados do Reclame Aqui
Panorama Geral do Setor
7%
31%
19%24%
20%
Status das Reclamações
Nao RespondidoRespondidoReplicasFinalizada - ResolvidoFinalizada - Nao Resolvido
Média Geral Média ">0"
3.9
5.3
0.5
2.6
Média das Notas
Finalizada - Resolvido Finalizada - Nao Resolvido
Panorama Geral do Setor
centra
l
financia
mento
portal
processo
públicodúvid
a
contra
to
resposta
depart
amen
to site
solic
itaçã
o
telefo
ne
atendim
ento
disposiç
ão
esclar
ecim
ento
contat
o
reclam
ação
informaç
ão
relac
ionamen
tocli
ente
2% 2% 2% 2% 2% 2% 2% 3% 3% 4% 4% 5% 5% 5% 5% 5% 6%
10%
13%
17%
Construção Civil - Piores Atendimentos
Panorama Geral do Setor
clien
te
relac
ionamen
to
informaç
ão
reclam
ação
contat
o
esclar
ecim
ento
disposiç
ão
telefo
nesit
e
depart
amen
to
atendim
ento
resposta
solic
itaçã
o
qualidad
e
públicodúvid
aporta
l
serviç
o
preocu
pação
prestar
17%
13%
9%
6% 6% 6% 6%4% 4% 4% 4% 3% 3% 2% 2% 2% 2% 2% 2% 2%
Construção Civil
Estudo de Caso 02 Descrição de Classes e Conceitos
Base de RH
• 41.934 registros, com os seguintes atributos: Nome, Salário, Sexo, Cargo, Endereço, Bairro, CEP, Cidade, UF, Banco, Nome do Banco, Agência, Conta, Data de Nascimento, Escala, Grau de Instrução, Data de Admissão, Data de Demissão, Data de Afastamento, Data de Início de Férias, Situação Cadastral, Horas Trab. por Mês e Horas Trab. por Semana.
Base de Análise
• Entender a base• Predizer demissões e período de trabalho• Segmentar a base
Objetivos
Visão Geral
Masculino34%
Feminino66%
Sexo
Afastamento Férias Normal Rescisão
1% 2%
33%
64%
Situação Cadastral
Visão Geral
Ensino médio completo82.69%
Outros17.31%
Grau de Instrução
até R$ 1.434,59
até R$ 2.150,00
até R$ 2.866,70
até R$ 3.582,00
acima de R$ 3.582,01
98.2%
1.3% 0.3% 0.1% 0.1%
Salário: Faixa IRRF
Visão Geral
0 a 4 anos
10 a 14 anos
20 a 24 anos
30 a 34 anos
40 a 44 anos
50 a 54 anos
60 a 64 anos
70 a 74 anos
80 a 84 anos
90 a 94 anos
100 anos e mais
0.0%0.0%0.0%
11.6%34.4%
22.5%12.3%
7.3%4.9%
3.4%2.2%
1.0%0.3%0.0%0.0%0.0%0.0%0.0%0.0%0.0%0.0%
Pirâmide Etária
PROMOTOR(A) DE VENDASSERVIÇOS GERAIS
ATENDENTEAJUDANTE GERALAUXILIAR DE LOJA
PROMOTOR(A)DEMONSTRADOR(A)
ATENDENTE DE CRÉDITOAUXILIAR DE VENDAS
AUXILIAR DE SERVIÇOS GERAISAUXILIAR DE CAIXA
DEMONSTRADOR(A) ICOLETOR(A) DE DADOSASSISTENTE DE VENDAS
OUTROS CARGOS
23%13%
7%6%5%
4%4%
3%2%2%2%2%2%2%
23%
Cargos
Visão Geral
Pós-Graduação
Educação superior completa
Educação superior incompleta
Segundo grau técnico completo
Segundo grau técnico incompleto
Ensino médio completo
Ensino médio incompleto
Ensino fundamental completo
Da 5ª à 8ª série do ensino fundamental
4ª série completa do ensino fun damental
Até a 4ª série incompleta do ensino fundamental
Analfabeto, ou não se alfabetizou
R$ 2,793.32
R$ 1,299.32
R$ 903.56
R$ 777.04
R$ 628.36
R$ 755.58
R$ 679.76
R$ 637.15
R$ 618.43
R$ 620.17
R$ 608.91
R$ 624.74
Grau de Instrução
Uma Análise PreditivaInstrução
Idade
[1 2 3 4 7]
Idade
[5 6 8 9 10 11 12]
[1 2 3 4]
Instrução
[1 2 3] [4 5]
Idade Idade
Normal
[5]
Normal Rescisão
[2 7][1 3 4]
Rescisão
[1 2]
Sexo
[3]
Salário
Salário
[5]
[4]
Salário
[Masculino]
Rescisão
[Feminino]
Normal Rescisão
[1 4 5][2 3]
Rescisão Normal
Normal Rescisão
[ 2 3 5]
[1 4 5][2 3]
[1 4]
Análise de Grupos
O Que São Grupos?
Processo de particionar um conjunto de dados em subconjuntos (clusters) de forma que os dados em cada cluster (idealmente) compartilhem características comuns – normalmente proximidade em relação a alguma medida de distância.
• Pré-processamento dos dados;• Definição da medida de proximidade;• Agrupamento;• Abstração dos dados;• Avaliação da saída.
Componentes da Tarefa de Agrupamento
NLN
L
xx
xx
1
111
0)1,()2,()1,(
0
0)2,3()1,3(
0)1,2(
0
NNdNdNd
dd
d
Estudo de Caso 03 Agrupamento
Benchmarks e Base de Dados de Bioinformática
ACA: Ant Clustering Algorithm
ACA: Ant Clustering Algorithm
2
1
1
fk
kp p
2
2
fk
fpd
otherwise0
0 ifα
),(1
1)(
)(Neigh2
)(
fd
sfr
ji
issjx
xxx
Ver demos no LVCoN
Base de Dados de Bioinformática
0
C3
C1 C1
C2
C4
Predição
Classificação e Estimação
ClassificaçãoIdade Prescrição
Astigmatismo
(A)TPL Lente recomendada
Jovem Miopia Não Reduzida Nenhuma
Jovem Miopia Não Normal Macia
Jovem Miopia Sim Reduzida Nenhuma
Jovem Miopia Sim Normal Rígida
Jovem Hipermetropia Não Reduzida Nenhuma
Pré-presbiótico Miopia Não Reduzida Nenhuma
Pré-presbiótico Miopia Não Normal Macia
Pré-presbiótico Hipermetropia Sim Reduzida Nenhuma
Pré-presbiótico Hipermetropia Sim Normal Nenhuma
Presbiótico Miopia Não Reduzida Nenhuma
Presbiótico Miopia Não Normal Nenhuma
Presbiótico Hipermetropia Sim Reduzida Nenhuma
Presbiótico Hipermetropia Sim Normal Nenhuma
Árvores de Decisão
Prescrição
TPL
Astigmatismo Nenhuma
Nenhuma Rígida
Macia
Reduzida Normal
Não Sim
Miopia Hipermetropia
Árvores de DecisãoDuração 1 2 3 2
Aumento salarial ano 1 2% 4% 4.3% 4.5%
Aumento salarial ano 2 ? 5% 4.4% 4.0%
Aumento salarial ano 3 ? ? ? ?
Ajuste de custo de vida Nenhum Tcf ? Nenhum
Carga horária semanal 28 35 38 40
Aposentadoria Nenhum ? ? ?
Pagamento por horas vagas ? 13% ? ?
Horas extras ? 5% 4% 4
Adicional para educação Sim ? ? ?
Feriados 11 15 12 12
Férias Avg Gen Gen Avg
Assistência para ausência prolongada Não ? ? Sim
Seguro odontológico Nenhum ? Full Full
Seguro de vida Não ? ? Sim
Seguro saúde Nenhum ? Full Half
Aceitabilidade do contrato Ruim Boa Boa Boa
Árvores de Decisão
Aumento Ano 1
Aumento Ano 1
Feriados Ruim
Bom Ruim
Bom
2.5% > 2.5%
> 10 10
4% > 4%
Árvores de Decisão
Seguro Saúde
Aumento Ano 1
Aumento Ano 1 Ruim
Bom Ruim
Bom
2.5% > 2.5%
> 10 10
4 > 4
Carga Horária Feriados
36 > 36
Ruim Bom Ruim
Nenhum Parcial Total
Estudo de Caso 04 Agrupamento e Predição
Base de Dados de Veículos
Aplicação em Agrupamento
Aplicação em Classificação
Aplicação em Estimação
Estudo de Caso 05 Análise de Sentimento em Tweets
Dados da Rede Globo
• Para realizar as análises a serem apresentadas foram utilizados 206.259 tweets de 127.945 usuários entre os dias 1 e 31 de dezembro de 2010.
• Os atributos disponíveis para essa análise foram: Cliente, Avaliação, Termo, Usuário, Texto e Data.
Base de Análise
Domingão do Faustão
restar
t
gustt
avo
vieira luan
palco
vivo
amores
inventor
kingo cin
e
platina
rockres
tart
mundoam
ore
peitinho
banda
justinbieb
er
vitoria
biber
youtube
segunda
11%
8% 8%
7% 7% 6% 6% 6% 6% 5%4% 4% 4% 4%
3% 3%2% 2% 2% 2%3% 2% 2% 2% 2% 2% 2% 1% 1% 1% 1% 1% 1% 1% 1% 1% 1% 1% 0% 0%
Palavras mais comentadas - Domingão do Faustão
Total Top 20 Total Twitters
Comentários Positivos
profissao
ascari
ocas
esporte
programa
clandesti
noshuck
mulheres
misturad
oxu
xaalt
as
passione
melhor
adoro
familia
aragu
aiajornal
legal
paraben
sad
orei
demais
13%
11%10%
7% 7%6% 6%
5% 5%4% 3% 3% 3% 3% 3% 3% 3% 2% 2% 2%
3% 3% 3%2% 2% 2% 2% 1% 1% 1% 1% 1% 1% 1% 1% 1% 1% 1% 1% 0%
Palavras mais comentadas - Tweets positivos
Total Top 20 Total Twitters
Comentários Negativos
casse
tazo
rra
malhaç
ão
passione
globinho
fausta
o
aragu
aia
acab
ar
novela
merda
acab
ou
querem pior
melhor
nunca
reporte
r
apres
entad
ores
familia xu
xa
27%
16%
8%5% 5% 4% 4% 3% 3% 3% 3% 2% 2% 2% 2% 2% 2% 2% 2% 2%
6%3%
2% 1% 1% 1% 1% 1% 1% 1% 1% 0% 0% 0% 0% 0% 0% 0% 0% 0%
Palavras mais comentados - Tweets negativos
Total Top 20 Total Twitters
InfluenciadoresId Usuários Qtde de
TweetsPercentual de
Tweets (%)Qtde de
SeguidoresQtde de Seguidos
1 adnoticia 253 0,12% 175 2192 annoticia 256 0,12% 271 3503 comuniquebrinde 170 0,08% 1.211 1.9674 feedrssreader 192 0,09% 350 2455 g1 389 0,19% 467.484 216 mariana_viips 155 0,08% 694 677 news_mundo_ 224 0,11% 281 8958 novinhabru 320 0,16% 2.992 1.9639 romariontv 177 0,09% - -
10 segundoplanobr 151 0,07% 347 711 siteg1 207 0,10% 60 -12 sjodiel_indica 262 0,13% 855 61513 standupbot 384 0,19% 386 -14 tudodoesporte 522 0,25% 894 36615 tweets24hs 158 0,08% 2.940 3.25816 vidasemglobo 147 0,07% 600 17717 waldeterossi 313 0,15% 70 1318 zocialtv_br 242 0,12% 338 11519 _invo 720 0,35% 342 22
TOTAL: 5.242 2,54%
Segmentando os Influenciadores
Segmentando os Influenciadores
Grupo 1
adnoticia
annoticia
g1
news_mundo_
siteg1
waldeterossi
_invo
Grupo 2
comuniquebrinde
feedrssreader
segundoplanobr
sjodiel_indica
tweets24hs
Grupo 3
mariana_viips
novinhabru
romariontv
standupbot
tudonoesporte
vidasemglobo
zocialtv_br
Análise dos Grupos
Grupo Palavras
1Rio, Brasil, Paulo, chuva, lula, mundial, policia, governo, sul, natal, pais, wikileaks, brasileiros, Dilma, feira, alemão, sudeste, estados, justiça, preso.
2Rio, Paulo, Brasil, chuva, insensato, pais, governo, natal, wikileaks, Dilma, mundial, justiça, policia, brasileiros, segurança, temporais, projeto, risco, Cielo, prisão.
3Programa, gosta, assista, Faustão, cine, peça, hoje, ajuda, vídeo, twitteado, amore, marcos, noticias, castro, Araguaia, Ana, comedy, zilza, vote, malhação.
Regras de Associação
Análise de Carrinho de Supermercado
Leite Pão Cereais Manteiga
Leite Broa Cereais Chocolate
Pão Café
Ovos Açúcar Pão Café I ogurte Adoçante
Estudo de Caso 06Recomendação em Comércio Eletrônico
Alguns Clientes TUILUX
78
O Que é um Sistema de Recomendação Inteligente?
79
“Para o usuário a recomendação significa um guia útil no processo de
escolha de conteúdo...
Para a loja a recomendação significa ofertar o item mais atraente alguns
segundos antes da perda da atenção da audiência” *
* Fonte: Comparative Rating of Five Recommendations Solutions, Patricia Seygold Group
80
81
Visão Geral sobre Serviços de Recomendação
1. Capturar informação sobre os produtos
2. Capturar informação sobre as interações dos usuários
3. Aplicar algoritmos de seleção de produtos
4. Mostrar o conteúdo selecionado
5. Monitorar e analisar a efetividade da recomendação
82
Página de Produto: Exemplos
Regras de negócio
Cross-sellO que nem os clientes sabiam que queriam
Detecção de Anomalias
“Um outlier é um objeto que parece desviar fortemente de outros membros da amostra a qual ele pertence.” (Grubbs, F. E., 1969, “Procedures for detecting outlying observations in samples”, Technometrics, 11, pp. 1-21.)
“Um outlier é um objeto ou subconjunto de objetos que parece inconsistente com o restante da base de dados.” (Barnett, V.; Lewis, T. 1994, Outliers in Statistical Data, 3rd ed., John Wiley & Sons)
O Que é uma Anomalia?
• Detecção de fraudes: em transações de cartões de crédito, em uso de telefones celulares, em medição de consumo de energia, etc.
• Análise de crédito: identificação de clientes potencialmente problemáticos ou fraudulentos, etc.
• Detecção de intrusão: acesso não permitido a redes de computadores e ambientes diversos, etc;
• Monitoramento de atividades: negociações suspeitas em mercados financeiros, comportamentos incomuns de usuários, etc;
• Desempenho de rede: monitoramento do desempenho de redes de comunicação para identificação de gargalos;
Exemplos
• Diagnóstico de faltas: em motores, geradores, redes, instrumentos, etc;
• Análise de imagens: identificação de novas características;
• Monitoramento de séries temporais: em aplicações que envolvem séries temporais, por exemplo, consumo de energia elétrica de subestações, análise de batimentos cardíacos, etc.;
• Análise de textos: identificação de novas estórias, análise de desempenho de commodities, etc.
Exemplos
• Tipo 1: aprendizagem não-supervisionada;• Tipo 2: aprendizagem supervisionada;• Tipo 3: aprendizagem semi-supervisionada.
Adordagens
Estudo de Caso 07
Um Algoritmo Imunológico para Detecção de Vírus em Computadores
Algoritmo de Seleção Negativa
Selfstrings (S)
Generaterandom strings
(R0)Match Detector
Set (R)
Reject
No
Yes
No
Yes
Detector Set(R)
SelfStrings (S)
Match
Non-selfDetected
Sensoriamento
Monitoramento
Estudo de Caso 08
Sistemas Imunológicos Artificiais
Pattern Recognition
• Classification and Clustering– CLONALG (de Castro & Von Zuben, 2002)
( a ) I n p u t p a t t e r n s
( b ) 0 g e n e r a t i o n s
( c ) 5 0 g e n e r a t i o n s
( d ) 1 0 0 g e n e r a t i o n s
( e ) 2 0 0 g e n e r a t i o n s
92
Pattern Recognition• Classification and Clustering
– aiNet (de Castro & Von Zuben, 2001)– Definition:
• aiNet is an edge-weighted graph, not necessarily fully connected, composed of a set of nodes and sets of node pairs with a weight assigned specified to each connected edge.
– Features:• knowledge distributed among cells• competitive learning (unsupervised)• constructive model with pruning phases• generation and maintenance of diversity
Pattern Recognition
• aiNet:– Growing:
• clonal selection principle
– Learning:• directed affinity maturation
– Pruning:• immune network theory
Pattern Recognition• aiNet at each generation:
– For each Ag Affinity with the antigen (Ai) Agi-Ab Clonal selection (n cells) Ai
Cloning Ai
Directed maturation (mutation) 1/Ai
Re-selection (%) Ai
Natural death (d) 1/Ai
Affinity between the network cells (Dii) Ab-Ab Clonal suppression (s) Dii : (m - memory) Mt [Mt;m]
– Network suppression (s) Dii : (M Mt)– M [M;meta]
Pattern Recognition
• Clustering
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
x
y
Training Patterns
0 0.2 0.4 0.6 0.8 1
0
0.2
0.4
0.6
0.8
1
1
23
4
5
6
7
8
9
10
11
12
13
14
Final Network Structure
Pattern Recognition
• Clustering
-2-1
01
2
-2
0
2
4-1.5
-1
-0.5
0
0.5
1
1.5
-1-0.5
00.5
1
-10
12
3-1
-0.5
0
0.5
1
1.5
Final Network Structure
Desafio 02
Questões sobre o Processo de Mineração
Questão Processo Mineração
• Qual o fluxo (faça o gráfico) das principais etapas da mineração de dados e quais as principais tarefas?
ShiftHappens
ShiftHappens
Questões ShiftHappens
• Quantos e-mails e SMSs em média uma pessoa de 21 anos já enviou/recebeu?
• Quanto tempo a Internet levou para atingir uma audiência de 50 milhões pessoas?
• Programa de Pós-Graduação em Engenharia Elétrica do Mackenzie
• Perfil do LCoN, Pesquisa, Equipe, etc.
LCoN
www.mackenzie.br/lcon.html
Discussão
top related