Mineria de datos iii - 3

3.3. Técnicas de Minería de Datos 3.3.1. El Problema de la Extracción Automática de Conocimiento. 3.3.2. Evaluación de Hipótesis 3.3.3. Técnicas no supervisadas y descriptivas. 3.3.4. Técnicas supervisadas y predictivas.

3.3. Técnicas de Minería de Datos

1

2

El Problema de la Extracción Automática de Conocimiento
La minería de datos no es más que un caso especial de aprendizajecomputacional inductivo. ¿Qué es aprendizaje?
• (visión genérica, Mitchell 1997) es mejorar el comportamiento a partir de la experiencia. Aprendizaje = Inteligencia. • (visión más estática) es la identificación de patrones, de regularidades, existentes en la evidencia. • (visión externa) es la predicción de observaciones futuras con plausibilidad. • (visión teórico-informacional, Solomonoff 1966) eseliminación de redundancia = compresión de información.

El Problema de la Extracción Automática de Conocimiento
¿Cómo se validan/descartan las hipótesis para conformar el conocimiento adquirido? • Principio (‘escándalo’) de la Inducción: las hipótesis pueden ser refutadas, pero nunca confirmadas. • Y para las que todavía no han sido refutadas, ¿cuál elegimos? • Necesidad de criterios deselección: simplicidad, refuerzo, ... • Existencia de métodos de validación: estadísticos, crossvalidation, informacionales, ... • ¿Cuánto afecta a la plausibilidad el número de ejemplos? • ¿Cómo afecta la presencia de ruido?

Aprendizaje Inductivo: razonamiento hipotético de casos particulares a casos generales.

3

4

Taxonomía de Técnicas de DM
Cualquier problema de aprendizaje inductivo sepuede presentar Cualquier problema de aprendizaje inductivo se puede presentar (más o menos directamente) de cualquiera de estas cuatro formas. (más o menos directamente) de cualquiera de estas cuatro formas. Clasificación de las técnicas de aprendizaje:
• Interpolación: una función continua sobre varias dimensiones • Predicción secuencial: las observaciones están ordenadas secuencialmente. Sepredice el siguiente valor de la secuencia. Caso particular de interpol. con 2 dim., una discreta y regular. • Aprendizaje supervisado: cada observación incluye un valor de la clase a la que corresponde. Se aprende un clasificador. Caso particular de interpolación: la clase (imag. función) es discreta. • Aprendizaje no supervisado: el conjunto de observaciones no tienen clases asociadas. El objetivoes detectar regularidades en los datos de cualquier tipo: agrupaciones, contornos, asociaciones, valores anómalos. • Abducción o Aprendizaje Analítico: El contexto B es muy importante. El objetivo es explicar la evidencia respecto a B. 5

Taxonomía de Técnicas de DM
Ejemplos:
• Interpolación: ?

f(2.2)=?

• Predicción secuencial: 1, 2, 3, 5, 7, 11, 13, 17, 19, ... ? • Aprendizajesupervisado: 1 3 -> 4. 3 5 -> 8. 4 2 -> ? 7 2 -> 9. • Segmentación (Aprendizaje no supervisado):

¿Cuántos grupos hay? ¿Qué grupos formo?
• Análisis Exploratorio: Correlaciones, Asociaciones y Dependencia 6

1

Taxonomía de Técnicas de DM
PREDICTIVO: Interpolación y Predicción Secuencial. • Generalmente las mismas técnicas: • Datos continuos (reales): • Regresión Lineal: • Regresión lineal global(clásica). • Regresión lineal ponderada localmente. • Regresión No Lineal: logarítmica, pick & mix, ... • Datos discretos: • No hay técnicas específicas: se suelen utilizar técnicas de algoritmos genéticos o algoritmos de enumeración refinados.
7

Taxonomía de Técnicas de DM
PREDICTIVO: Aprendizaje supervisado.
Dependiendo de si se estima una función o una correspondencia: • clasificación: seestima una función (las clases son disjuntas). • categorización: se estima una correspondencia (las clases pueden solapar). Dependiendo del número y tipo de clases: • clase discreta: se conoce como “clasificación”.
Ejemplo: determinar el grupo sanguíneo a partir de los grupos sanguíneos de los padres. • si sólo tiene dos valores (V y F) se conoce como “concept learning”. Ejemplo: Determinar si...