Survey
* Your assessment is very important for improving the workof artificial intelligence, which forms the content of this project
* Your assessment is very important for improving the workof artificial intelligence, which forms the content of this project
TÓPICOS DE I.A. DATA MINING – MINERAÇÃO DE DADOS Prof. Régis Albuquerque DATA MINING – MINERAÇÃO DE DADOS INTRODUÇÃO A evolução da computação possibilitou um aumento na capacidade de processamento e armazenamento de dados. Diante da deficiência para analisar e compreender grande volume de dados. Diversos estudos têm sido direcionados ao desenvolvimento de tecnologias de extração automática de conhecimento de Bases de Dados. Extração de Conhecimento de Base de Dados (Knowledge Discovery in Database - KDD) Mineração de Dados (MD). 2 DATA MINING – MINERAÇÃO DE DADOS INTRODUÇÃO Segundo Figueira(1998), “a tecnlogia tornou relativamente fácil o acúmulo de dados. A consequência é a apliação do uso dos Data Warehouses. Ao mesmo tempo, a informação é valorizada como nunca antes na história, e os dados armazenados nos Data Warehouses são vasculhados por profissionais especializados, a procura de tendências e padrões”. Data Warehouse: Um datawarehouse é um conjunto de dados orientado por assunto, integrado, variável com o tempo, e não-volátil, que fornece suporte ao processo de tomada de decisão do negócio. 3 DATA MINING – MINERAÇÃO DE DADOS INTRODUÇÃO Grande disponibilidade de dados armazenados eletronicamente Existem informações úteis, invisíveis, nesses grandes volumes de dados Aproveitar para prever um conhecimento futuro (ir além do armazenamento explícito de dados). 4 DATA MINING – MINERAÇÃO DE DADOS DEFINIÇÃO Segundo Groth (1998), Data Mining é o processo de descoberta automático de informações. Para Ávila (1998), Data Mining é uma área de pesquisa da Inteligência Artificial que busca encontrar padrões em bases de dados. Geralmente, considerado como um dos passos no processo de KDD – Knowledge Discovery Database (Descobrimento de Conhecimento em Bases de Dados. Data Mining é uma tecnologia usada para revelar informação estratégica escondida em grandes massas de dados (KREMER, 1999). 5 DATA MINING – MINERAÇÃO DE DADOS 6 DATA MINING – MINERAÇÃO DE DADOS POR QUÊ DATAMINING? Grandes quantidades de dados (bases de dados) Conhecimento dos mercados / clientes Sectores muito dependentes da informação Produtividade Personalização em massa Forte pressão competitiva Vantagem económica Respostas mais rápidas banca, seguros, telecomunicações, retalho Promoção directa em função das compras Automação de tarefas /Apoio à decisão Detecção de fraude 7 DATA MINING – MINERAÇÃO DE DADOS EVOLUÇÃO Evolução Perguntas Tecnologia disponível Características Coleção de dados 1960 “Qual foi meu rendimento total nos últimos cinco anos ?” Computadores, Fitas, discos Retrospectiva, Dados estáticos como resposta Acessos aos dados 1980 “Qual foi meu rendimento no Brasil no último janeiro ?” RDBMS, SQL, ODBC Restropectiva, dados dinâmicos a nível de registos como resposta Data warehousing & suporte a decisão 1990 “Qual foi meu rendimento no Brasil no último janeiro? Do sul até o nordeste Processamento analítico on-line, banco de dados multidimencionais, data warehousing Retrospectiva, dados dinâmicos em múltiplos níveis como resposta Data Mining Atualmente “Porque alguns produtos são mais vendidos na região sul ?” Algoritmos avançados, computadores multiprocessados, B.D. grandes e poderosos Prospectivo, Informações (perspectivas) como resposta. 8 DATA MINING – MINERAÇÃO DE DADOS EXEMPLO Fabricante Estado Cidade Cor do Produto Smith CA Los Angeles Azul Smith AZ Flagstaff Verde Adams NY NYC Azul Adams AZ Flagstaff Vermelho Johnson NY NYC Verde Johnson CA Los Angeles Vermelho Produtos azuis são de alto lucro ou Arizona é um lucro baixo? Lucro Alto Baixo Alto Baixo Médio Médio 9 DATA MINING – MINERAÇÃO DE DADOS EXEMPLO Fabricante Estado Cidade Cor do Produto Smith Smith Adams Adams Johnson Johnson CA AZ NY AZ NY CA Los Angeles Flagstaff NYC Flagstaff NYC Los Angeles Azul Verde Azul Vermelho Verde Vermelho Lucro Alto Baixo Alto Baixo Médio Médio 10 DATA MINING – MINERAÇÃO DE DADOS OBJETIVO O processo de Extração de Conhecimento de Base de Dados tem o objetivo de encontrar conhecimento a partir de um conjunto de dados para ser utilizado em um processo decisório. Um requisito importante é que esse conhecimento descoberto seja compreensível a humanos, além de útil e interessante para os usuários finais do processo. Procura de padrões úteis em grandes quantidades de dados padrão: motivo que se repete com alguma frequência útil: o padrão deve servir para resolver um problema 11 DATA MINING – MINERAÇÃO DE DADOS OBJETIVO 12 DATA MINING – MINERAÇÃO DE DADOS CONCEITOS RELACIONADOS Dados Padrões Processo Válidos Novos Úteis Compreensíveis Conhecimento A união desses conceitos define o processo de Mineração de Dados. 13 DATA MINING – MINERAÇÃO DE DADOS CONCEITOS RELACIONADOS - DADOS Conjunto de fatos ou casos em um repositório de dados. Por exemplo, os dados correspondem aos valores dos campos de um registro de vendas em uma Base de dados qualquer; Fabricante Estado Cidade Cor do Produto Smith CA Los Angeles Azul Smith AZ Flagstaff Verde Adams NY NYC Azul Adams AZ Flagstaff Vermelho Johnson NY NYC Verde Johnson CA Los Angeles Vermelho Lucro Alto Baixo Alto Baixo Médio Médio 14 DATA MINING – MINERAÇÃO DE DADOS CONCEITOS RELACIONADOS - PADRÕES Denota alguma abstração de um subconjunto dos dados em alguma linguagem descritiva de conceitos; Padrões são unidades de informação que se repetem. A tarefa de localizar padrões não é privilégio da mineração de dados. O cérebro dos seres humanos utiliza-se de processos similares, pois muito do conhecimento que temos em nossa mente é, de certa forma, um processo que depende da localização de padrões 15 EX: ABCXYABCZKABDKCABCTUABEWLABCWO DATA MINING – MINERAÇÃO DE DADOS CONCEITOS RELACIONADOS - PROCESSO A Extração de Conhecimento de Base de Dados envolve diversas etapas como a preparação dos dados, busca por padrões e avaliação do conhecimento; 16 DATA MINING – MINERAÇÃO DE DADOS CONCEITOS RELACIONADOS - VÁLIDOS Os padrões descobertos devem possuir algum grau de certeza,ou seja, devem satisfazer funções ou limiares que garantem que os exemplos cobertos e os casos relacionados ao padrão encontrado sejam aceitáveis; 17 DATA MINING – MINERAÇÃO DE DADOS CONCEITOS RELACIONADOS - NOVOS Um padrão encontrado deve fornecer novas informações sobre os dados. O grau de novidade serve para determinar quão novo ou inédito é um padrão. Pode ser medido por meio de comparações entre as mudanças ocorridas nos dados ou no conhecimento anterior; 18 DATA MINING – MINERAÇÃO DE DADOS CONCEITOS RELACIONADOS - ÚTEIS Os padrões descobertos devem ser incorporados para serem utilizados 19 DATA MINING – MINERAÇÃO DE DADOS CONCEITOS RELACIONADOS - COMPREENSÍVEIS Um dos objetivos de realizar MD é encontrar padrões descritos em alguma linguagem que pode ser compreendida pelos usuários permitindo uma análise mais profunda dos dados; 20 DADOS CONCEITOS RELACIONADOS CONHECIMENTO - O conhecimento é definido em termos dependentes do dominio que estão relacionados fortemente com medidas de utilildade, originalidade e compreensão 21 DATA MINING – MINERAÇÃO DE DADOS O PROCESSO DE MINERAÇÃO DE DADOS Todo o processo de Mineração de Dados é orientado em função de seu conhecimento de aplicação e dos reposotórios de dados inerentes aos mesmos. Para usar os dados é necessário que estejam estruturados de forma a serem consultados e analisados adequadamente. 22 EXERCÍCIO - PRÁTICO sexo m f f m f f m m m m m m f m f m m IDA 40anos 40anos 50anos 60anos 60anos 50anos 40anos 40anos 40anos 60anos 60anos 50anos 40anos 40anos 50anos 50anos 40anos CIV c c s c c c c c c c c c v c c c d ESCOL EstSuperiores 12ano 9Classe 4Classe 4Classe EstSuperiores 4Classe EstSuperiores 4Classe EstSuperiores 4Classe 9Classe 4Classe 9Classe 12ano 12ano EstSuperiores PROF sup int sup semi-qual sem-prof sup esp-man sup esp-n-man sup semi-qual esp-n-man esp-n-man esp-n-man int int sup HDORM 8ha10h 6ha8h 6ha8h 6ha8h menos6h 8ha10h mais10h 6ha8h 6ha8h 8ha10h 8ha10h 8ha10h 8ha10h 6ha8h 6ha8h 6ha8h 6ha8h ACTIV pouca pouca pouca pouca alguma pouca alguma nenhuma pouca nenhuma pouca pouca nenhuma nenhuma alguma pouca pouca DESP nao sim nao nao nao sim nao sim sim sim nao nao nao sim sim sim sim TAB nao nao nao ex nao nao ex ex nao ex ex nao nao fuma ex nao fuma ALC bebe bebe nao bebe nao ocas bebe bebe bebe bebe ex bebe nao bebe bebe bebe bebe CAF sim sim sim nao sim sim sim sim sim sim sim sim sim sim sim sim sim Peso 70a60Kg 70a60Kg 50a60Kg mais80 50a60Kg 50a60Kg mais80 70a60Kg 80a70kg mais80 70a60Kg 70a60Kg 50a60Kg mais80 70a60Kg 80a70kg 70a60Kg ALT m160 m150 m150 m160 m150 m150 m170 m170 m160 m170 m180 m150 m160 m160 m150 m170 m160 1 – Construir uma visão em árvore baseado nos dados acima. 2 – Tirar no mínimo duas conclusões apartir dessa visão. IMC normal excessopeso normal excessopeso excessopeso normal excessopeso normal excessopeso excessopeso normal excessopeso normal obesidade excessopeso normal normal Colest alto baixo baixo medio medio medio baixo baixo medio medio alto medio baixo alto medio medio alto 23 M 40 anos baixo médio alto 50 anos médio 60 anos 40 anos F 50 anos 60 anos SEXO IDADE médio alto baixo baixo médio médio COLESTEROL24 Todos os Homens de 50 anos tem o colesterol médio Todas as Mulheres de 40 anos tem o colesterol baixo 25 DATA MINING – MINERAÇÃO DE DADOS O PROCESSO DE MINERAÇÃO DE DADOS Existme diversas abordagens para a divisão das etapas do processo de Extração de Conhecimento de Base de Dados. Aguns autores dividem o processo em quatro, seis ou nove etapas, dependendo do autor. Porém existem três grandes etapas: Pré-processamento, Extração de Padrões e Pós-Processamento O processo de MD é centrado na interação entre as diversas classes de usuários, e o seu sucesso depende, em parte, dessa interação. (Classes: Especialista do Domínio, Analista e Usuário Final) 26 DATA MINING – MINERAÇÃO DE DADOS O PROCESSO DE MINERAÇÃO DE DADOS 27 DATA MINING – MINERAÇÃO DE DADOS O PROCESSO DE MINERAÇÃO DE DADOS 28 DATA MINING – MINERAÇÃO DE DADOS O PROCESSO DE MINERAÇÃO DE DADOS INDENTIFICAÇÃO DO PROBLEMA: O estudo do domínio da aplicação e a definição de objetivos e metas a serem alcançados no processo de Mineração de Dados são identificados nesta fase. Questões importantes que devem ser respondidads nesta fase: Quais são as principais metas do processo? Quais critérios de desempenho são importantes? O conhecimento estraído deve ser compreensível a seres humanos ou um modelo do tipo caixa-preta é apropriado? Qual deve ser a relação entre simplicidade e precisão do conhecimento extraído? 29 DATA MINING – MINERAÇÃO DE DADOS O PROCESSO DE MINERAÇÃO DE DADOS PRÉ-PROCESSAMENTO: Normalmente, os dados disponíveis para análise não estão em um formatoa dequado para a Extração de Conhecimento. Diversas transformações nos dados podem ser executadas nesta etapa: Extração e Integração; Transformação; Limpeza; Seleção e Redução de Dados 30 DATA MINING – MINERAÇÃO DE DADOS O PROCESSO DE MINERAÇÃO DE DADOS EXTRAÇÃO DE PADRÕES: Esta etapa é direcionada ao cumprimento dos objetivos definidos na Identificação do Problema. É realizada a escolha, a configuração e execução de um ou mais algoritmos para extração de conhecimento. Compreende a escolha da: tarefa de Mineração de Dados a ser empregada, a escolha do algoritmo e a extração dos padrões propriamente dita. 31 DATA MINING – MINERAÇÃO DE DADOS O PROCESSO DE MINERAÇÃO DE DADOS PÓS-PROCESSAMENTO: A obtenção do conhecimento não é o passo final do processo de Extração de Conhecimento de Bases de Dados. O conhecimento extraído pode ser utilizado na resolução de problemas da vida real. Para isso é importante responder algumas questões aos usuários: O conhecimento extraído representa o conhecimento do especialista? De que maneira o conhecimento do especialista difere do conhecimento extraído? Em que parte o conhecimento do especialista está correto? 32 DATA MINING – MINERAÇÃO DE DADOS TÉCINCAS E FERRAMENTAS USADAS EM MINERAÇÃO DE DADOS ALGUMAS TÉCNICAS: Análise Estatística; Aprendizado de Máquina; Algoritmos Genéticos; Clustering; Lógica Fuzzy; Regras e Árvores de Decisão; Redes Neurais. 33 DATA MINING – MINERAÇÃO DE DADOS TÉCINCAS E FERRAMENTAS USADAS EM MINERAÇÃO DE DADOS ALGUMAS FERRAMENTAS: Enterprise Miner, ferramenta de data mining do SAS Microsoft SQL Server, ferramenta originalmente de banco de dados que a cada nova versão tem ganho novas funcionalidades de Business Intelligence. Possui 8 algorítmos na versão do SQL Server 2008 e sua plataforma é extensível para integração de outros algorítmos desenvolvidos. IlliMine Projeto de mineração de dados escrito em C++. InfoCodex Aplicação de mineração de dados com uma base de dados linguística. KDB2000 Uma ferramenta livre em C++ que integra acesso à bases de dados, pre-processamento, técnicas de transformação e um vasto escopo de algoritmos de mineração de dados. KXEN Ferramenta de mineração de dados comercial, utiliza conceitos do Profesor Vladimir Vapnik como Minimização de Risco Estruturada (Structured Risk Minimization ou SRM) e outros. 34 DATA MINING – MINERAÇÃO DE DADOS TÉCINCAS E FERRAMENTAS USADAS EM MINERAÇÃO DE DADOS KNIME Plataforma de mineração de dados aberta que implementa o paradigma de pipelining de dados. Baseada no eclipse LingPipe API em Java para mineração em textos distribuída com código-fonte. MDR Ferramenta livre em Java para detecção de interações entre atributos utilizando o método da multifactor dimensionality reduction (MDR). Orange Tookit livre em Python para mineração de dados e aprendizado de máquina. Pimiento Um ambiente para mineração em textos baseado em Java. PolyaAnalyst Ambiente que permite a montagem de fluxos para mineração de dados e texto. Tanagra Software livre de mineração de dados e estatística. WEKA Software livre em java para mineração de dados. Cortex Intelligence Sistema de PLN para mineração de textos aplicado à Inteligência Competitiva 35 SAS ENTERPRISE MINER Presente em 110 países, com mais de 40 mil instalações, a SAS no Brasil é o parceiro de negócios líder de mercado na oferta de soluções para a gestão corporativa baseada em inteligência. 36 37 38 39 IBM INTELLIGENT MINER O Intelligent Miner, uma poderosa ferramenta para análise de dados integrada. As tradicionais técnicas de mineração de dados (análise de 40 agrupamentos, análise de afinidades, classificação, estimativa e previsão) são suportadas. Adicionalmente, ricos componentes de apresentação estão disponíveis para possibilitar uma análise visual dos resultados. 40 41 42 43 44 ORACLE DARWIN DATA MINING SOFTWARE poderosa ferramenta de mineração de dados que ajuda a transformar gigantes massas de dados em inteligência corporativa. Darwin ajuda a encontrar padrões significativos e correlações em dados corporativos. Padrões que permitem um melhor entendimento e previsão do comportamento de clientes. 45 46 47 48 EXERCÍCIO DE FIXAÇÃO: 49