Generaliza o de regras de associa o utilizando taxonomias ap s p s processamento pr vio
Download
1 / 27

Generalização de Regras de Associação Utilizando Taxonomias Após Pós-Processamento Prévio. - PowerPoint PPT Presentation


  • 69 Views
  • Uploaded on

Generalização de Regras de Associação Utilizando Taxonomias Após Pós-Processamento Prévio. Jackson D. N. Mourão Pietrângelo V. Ferronato. Processo de Extração de Padrões em Bases de Dados. Para que serve? Quem utiliza? Qual o problema?. Trabalhos Relacionados.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' Generalização de Regras de Associação Utilizando Taxonomias Após Pós-Processamento Prévio.' - agatha


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
Generaliza o de regras de associa o utilizando taxonomias ap s p s processamento pr vio

Generalização de Regras de Associação Utilizando Taxonomias Após Pós-Processamento Prévio.

Jackson D. N. Mourão

Pietrângelo V. Ferronato


Processo de extra o de padr es em bases de dados
Processo de Extração de Padrões em Bases de Dados Taxonomias Após Pós-Processamento Prévio.

  • Para que serve?

  • Quem utiliza?

  • Qual o problema?


Trabalhos relacionados
Trabalhos Relacionados Taxonomias Após Pós-Processamento Prévio.

  • Descrição de um Algoritmo para Generalização de Regras de Associação (DOMINGUES, 2004)

    • Objetivo: filtrar conjunto de regras;

    • Método Adotado: taxonomias;

    • Resultados: redução entre 14,61% e 50,11%;

  • Influência da Imputação de Valores Ausentes nos Classificadores Descobertos (CALIL, 2008)

    • Objetivo: imputação de valores ausentes;

    • Método Adotado: árvores de decisão;

    • Resultados: redução na quantidade de regras e na taxa de erro do classificador;


Trabalhos relacionados1
Trabalhos Relacionados Taxonomias Após Pós-Processamento Prévio.

  • Um Método de Pós-processamento de Regras de Associação com Base nas Relações de Dependência entre os Atributos (BÜRKLE, 2006)

    • Objetivo: eliminar regras redundantes;

    • Método Adotado: relações de dependência entre atributos;

    • Resultados: bons percentuais de redução nas quatro bases de dados testadas;

  • Análise do Conhecimento Extraído de Classificadores Simbólicos Utilizando Medidas de Avaliação e de Interessabilidade (GOMES, 2002)

    • Objetivo: medir os padrões descobertos;

    • Método Adotado: medidas qualitativas e quantitativas;

    • Resultados: algumas regras potencialmente mais interessantes.


Trabalhos relacionados2
Trabalhos Relacionados Taxonomias Após Pós-Processamento Prévio.

  • Identificação de Regras de Associação Interessantes por meio de Análises com Medidas Objetivas e Subjetivas (SINOARA, 2006)

    • Objetivo: identificar regras potencialmente mais interessantes;

    • Método Adotado: medidas objetivas e subjetivas;

    • Resultados: demonstrou-se que a combinação proposta auxilia na avaliação das regras;


Regras de associa o

Conceitos Taxonomias Após Pós-Processamento Prévio.

Regras de Associação

  • “Um cliente que compra os produtos (X1,X2, ..., Xn) também irá comprar os produtos (Y1, Y2, ..., Ym) com probabilidade c%”

  • Padrão Apriori

    • Y  X Z (50.5%, 80.2%)


Avalia o e poda de regras

Conceitos Taxonomias Após Pós-Processamento Prévio.

Avaliação e Poda de Regras

  • Objetivos

    • Avaliar regras geradas;

    • Reduzir o tamanho do conjunto de regras;

  • Método

    • Medidas objetivas e subjetivas;

    • Medidas quantitativas e qualitativas;

    • Identificar regras redundantes ou potencialmente não interessantes;


Convic o

Conceitos Taxonomias Após Pós-Processamento Prévio.

Convicção

  • Domínio: de zero a infinito;

    • Caso for 1: existe a independência completa entre A e B;

    • Caso for infinito: A nunca aparece sem B (confiança de 100%);


Generaliza o de regras

Conceitos Taxonomias Após Pós-Processamento Prévio.

Generalização de Regras

  • Aplica-se conhecimento de domínio para gerar regras mais representativas e informativas.

  • “5% dos clientes que compram pão-pullman-light, também compram leite-parmalat-desnatado”

  • “30% dos clientes que comprar pão, também compram leite”


T cnica da taxonomia

Conceitos Taxonomias Após Pós-Processamento Prévio.

Técnica da Taxonomia


M todo proposto
Método Proposto Taxonomias Após Pós-Processamento Prévio.

  • Avaliar e eliminar regras através da medida objetiva Convicção;

  • Generalizar as regras:

    • Agrupar por Conseqüente;

    • Generalizar em Linha;

    • Agrupar por Antecedente/Taxonomia;

    • Generalizar em Coluna;

    • Desfazer Generalizações Não Repetidas;

    • Concatenar Taxonomias aos Dados

    • Calcular Suporte e Confiança para as Regras Generalizadas;

    • “Desgeneralizar” Regras de Baixa Confiança;

    • Gerar Arquivo de Saída;


Agrupar por conseq ente

Método Proposto Taxonomias Após Pós-Processamento Prévio.

Agrupar por Conseqüente


Generalizar em linha

Método Proposto Taxonomias Após Pós-Processamento Prévio.

Generalizar em Linha


Agrupar por antecedente

Método Proposto Taxonomias Após Pós-Processamento Prévio.

Agrupar por Antecedente


Agrupar por antecedente1

Método Proposto Taxonomias Após Pós-Processamento Prévio.

Agrupar por Antecedente


Generalizar em coluna

Método Proposto Taxonomias Após Pós-Processamento Prévio.

Generalizar em Coluna


Generalizar em coluna1

Método Proposto Taxonomias Após Pós-Processamento Prévio.

Generalizar em Coluna


Desfazer generaliza es n o repetidas

Método Proposto Taxonomias Após Pós-Processamento Prévio.

Desfazer Generalizações não Repetidas


Concatenar taxonomias aos dados

Método Proposto Taxonomias Após Pós-Processamento Prévio.

Concatenar Taxonomias aos Dados


Calcular suporte e confian a

Método Proposto Taxonomias Após Pós-Processamento Prévio.

Calcular Suporte e Confiança

  • Dados com Taxonomias

    • Roupas_leves acessorios calcados_abertos

    • Bermuda bone chinelo

    • Calcados_abertos ? Acessorios

    • Chinelobrinco bone

  • Varre a base de dados buscando itens nos registros duplos (linha das respectivas taxonomias e linha original);


Desgeneralizar regras com baixa confian a

Método Proposto Taxonomias Após Pós-Processamento Prévio.

“Desgeneralizar” Regras com Baixa Confiança


Gerar arquivo de sa da

Método Proposto Taxonomias Após Pós-Processamento Prévio.

Gerar Arquivo de Saída


Resultados
Resultados Taxonomias Após Pós-Processamento Prévio.

1062 Regras Podadas (50,8% menor)

1285 Registros

2091 Regras

958 Regras (7% menor)


Conclus o
Conclusão Taxonomias Após Pós-Processamento Prévio.

  • A eficácia do método depende:

    • Do quão generalizáveis são os dados;

    • De quanto conhecimento de domínio está disponível;

    • Da configuração das taxonomias confeccionadas;


Trabalhos futuros
Trabalhos Futuros Taxonomias Após Pós-Processamento Prévio.

  • RegrasGeneralizadas

    • Roupas_banhoentraNoMar

      • SungaentraNoMar

      • BiquinientraNoMar

    • MaiônaoEntraNoMar

  • Generalizar conseqüente da regra;

  • Agrupar no arquivo de saída as regras que possuem antecedentes de mesma taxonomia;


Refer ncias
Referências Taxonomias Após Pós-Processamento Prévio.

  • BÜRKLE, Paula Yamada. Um Método de Pós-processamento de Regras de Associação com Base nas Relações de Dependência entre os Atributos. Universidade Federal Fluminense, Niterói, 2006.

  • CALIL, Leonardo Aparecido de Almeida. Influência da imputação de valores ausentes nos classificadores descobertos. Universidade Tuiuti do Paraná, Curitiba, 2008.

  • CARVALHO, Veronica Oliveira de. Generalização de regras de associação utilizando conhecimento de domínio e avaliação do conhecimento generalizado. Universidade de São Paulo, São Carlos, 2007.

  • DOMINGUES, Marcos Aurélio. Generalização de regras de associação. Universidade de São Paulo, São Carlos, 2004.

  • GOMES, Alan Keller. Análise do Conhecimento Extraído de Classificadores Simbólicos Utilizando Medidas de Avaliação e de Interessabilidade. Universidade de São Paulo, São Carlos, 2001.

  • GONÇALVES, Eduardo Corrêa. Regras de Associação e suas Medidas de Interesse Objetivas e Subjetivas. Universidade Federal Fluminense, Niterói, 2005.

  • MELANDA, Edson Augusto. Pós-processamento de Regras de Associação. Universidade de São Paulo, São Carlos, 2004.

  • REZENDE, Solange Oliveira. Sistemas Inteligentes – Fundamentos e Aplicações. 1a edição. Barueri – SP Editora Manole, 2003.

  • SINOARA, Roberta Akemi. Identificação de regras de associação interessantes por meio de análises com medidas objetivas e subjetivas. Universidade de São Paulo, São Carlos, 2006.

  • SOUZA, Viviane Dal Molin; CARVALHO, Deborah Ribeiro. Avaliando a relação entre quão corretas e interessantes podem ser as regras de associação descobertas. Tuiuti: Ciência e Cultura, Curitiba, n.37, p. 9-19, 2005. Disponível em: http://www.utp.br/tuiuticienciaecultura/TCC%5Fonline/. Acesso em: 19 out. 2009.


Nova vers o no site
Nova Versão no Site Taxonomias Após Pós-Processamento Prévio.

  • http://code.google.com/p/generalizer/downloads/list


ad