Jorge Picoaga – Diego Cesario

Presentación del tema: "Jorge Picoaga – Diego Cesario"— Transcripción de la presentación:

1 Jorge Picoaga – Diego Cesario
Ant Miner An Ant Colony Algorithm for Classification Rule Discovery Rafael S. Parpinelli - Heitor S. Lopes - Alex A. Freitas Algoritmo de Colonia de Hormigas para el Descubrimiento de Reglas de Clasificación Jorge Picoaga – Diego Cesario Noviembre 15 de 2013

2 Agenda Descripción biológica sobre la hormiga
Introducción a la Colonia de Hormigas Feromona Colonia de Hormigas Real y Artificial Ant Miner Ant Miner vs. Clasificador C4.5 Papers más recientes Aplicaciones Software GUI Ant Miner Software Ant Sim Conclusiones

3 Descripción Biológica de la Hormiga
Familia de los Formícidos Himenóptero (200 M especies) *Su nombre científico es Formícidos, pertenecen al Orden de los Himenópteros. Evolucionaron de antepasados similares a una avispa. Si bien no todas las especies tienen alas, y también dependen del rol que ocupan en la colonia (si son reinas o no) *Ciclo de vida: una nueva hormiga obrera pasa los primeros días cuidando de la reina y de las crías; posteriormente es promovida a tareas de excavación y mantenimiento del hormiguero; más adelante a defender el hormiguero y a recolectar el alimento *Antenas en ángulo (codo); Con las antenas detectan sustancias químicas, corrientes de aire y vibraciones; además sirven para recibir señales por medio del tacto. Las antenas proporcionan información sobre la dirección e intensidad de los olores. *Estructura en tres secciones con una estrecha cintura, no tienen pulmones. Respiran a través de minúsculas válvulas llamadas Espiráculos *Fuertes mandíbulas para manipular alimentos, objetos, construir nidos y defenderse *Algunas hormigas producen sonidos por Estridulación (haciendo rozar dos partes del cuerpo) *6 patas *Ojos compuestos formados por numerosas lentes minúsculas unidas; adecuados para detectar movimiento; no tienen una gran resolución. Tienen 3 pequeños Ocelos (ojos simples) en la parte superior de la cabeza, que detectan nivel lumínico y la polarización de la luz *Visión: En su mayoría tienen una visión mediocre o pobre; existen especies completamente ciegas (subterráneas) y otras con una vista excepcional (hormiga bulldog australiana) *Hormigas del desierto de Sahara, se orientan integrando la dirección y la distancia que han recorrido, gracias a un podómetro interno que lleva la cuenta de los pasos realizados; evaluando el movimiento de los objetos de su campo visual y para la dirección toman como referencia la posición del Sol (además de señales táctiles y olfativas)

4 Insectos Sociales y Colonia de Hormigas
Colonia de hormigas, avejas, avispas y termitas Integradas desde docenas a millones de hormigas Agenda de tareas independiente Pueden trabajar en comunidad cooperando una con otra, sin ningún tipo de supervisión o control Este comportamiento se denomina “inteligencia colectiva” (swarm intelligence) de sistemas descentralizados y auto organizados, sean naturales o artificiales

5 Claves del Éxito de la Colonia de Hormigas
Organización Social División del Trabajo 1 Resolución de problemas complejos 2 Capacidad de Modificar Hábitats 3 Capacidad de Defensa 4 Comunicación entre sus individuos 5 Aprovechamiento de Recursos 6

6 Algunos números sobre las hormigas…
Presencia en el Planeta Población Mundial Actual Origen Especies a especies 5 continentes e/1.000 y billones Cretácico ma Esperanza de Vida Natural % Biomasa Animales Terrestres Hormigas y Humanos 29 años El máximo de longevidad de una hormiga reina en una colonia de laboratorio 1.4 MM de hormigas por cada ser humano Desde semanas hasta 15 años Entre el 15 y 20% De la biomasa

7 Colonia de Hormigas y Clasificación
La tarea de clasificación consiste en asociar cada caso (objeto o registro) a una clase predefinida Se basa en los valores de atributos del cada caso (atributos predictivos) Reglas de la forma IF <condiciones> THEN <clase> Un sistema de colonia de hormigas (ACS) involucra simples agentes (hormigas) que cooperan una con otra para lograr un comportamiento unificado del sistema (como un todo) generando un sistema robusto capaz de encontrar soluciones de alta calidad en un gran espacio de búsqueda… …simulando el comportamiento natural de las hormigas y desarrollando mecanismos de cooperación y aprendizaje

8 Cómo lo hacen? Las hormigas se comunican una con otra a través de la feromona (pheromone) que dejan en los senderos La feromona es una sustancia química que van dejando en el suelo, construyendo la ruta a seguir También la utilizan para hacer un llamado de alerta a otras hormigas El comportamiento colectivo implica si un camino fue utilizado por muchas hormigas, es el camino más atractivo a seguir Loop de feedback positivo: la probabilidad que una hormiga elija un camino aumenta de acuerdo a la cantidad de hormigas que ya pasaron por allí

9 Ejemplo Gráfico El camino más corto hace que se acumule más feromona en menor tiempo; las hormigas comienzan a elegir esa ruta

10 Planet Ant – Life inside the Colony

11 Sistema de Colonia de Hormigas Real y Artificial
Artificial (extras) Prefieren caminos con mayor cantidad de feromona Los caminos más cortos tienden a tener altas tasas de crecimiento en la cantidad de feromona Utilizan un sistema de comunicación indirecto, basado en la cantidad de feromona en cada camino Hormigas artificiales tienen memoria No son completamente ciegas Viven en un ambiente donde el tiempo es discreto Caminos con mayor feromona equivalen a Caminos más cortos

12 Para construir un ACS se debe definir:
Representación apropiada del problema Regla de transición probabilística Una función heurística que mida la calidad Una regla que especifique cómo actualizar la cantidad de feromona Un método que valide construcción de soluciones válidas

13 Ant Miner / Hormiga Minera
Introducción Construcción de Reglas Función Heurística Poda de Reglas Actualización de feromona Parámetros del sistema Resultados del Experimento (comparación con otros algoritmos) Versiones mejoradas de Ant Miner

14 Visión General Objetivo principal: extracción de reglas de clasificación y comparación con otros algoritmos Solución sobre Atributos Categóricos Regla inicial Regla parcial La elección del término a agregar depende de una función heurística que depende del problema y de la cantidad de feromona asociada con ese término La hormiga va agregando términos (uno por vez) hasta que no sea posible seguir construyendo la regla. Esto puede deberse por haber alcanzado la cantidad mínima de casos definida por el usuario (Min_cases_per_rule) o cuando todos los atributos fueron utilizados por la hormiga

15 Visión General (continuación)
Cuando se alcanza uno de los dos criterios de parada, la hormiga construye una regla En principio ya podríamos usarla para clasificación, aunque en la práctica se realiza una poda de la misma para eliminar términos irrelevantes Cuando una hormiga completa su regla y la cantidad de feromona fue actualizada en cada ruta, otra hormiga comienza la construcción de su propia regla, usando las nuevas cantidades de feromona para guiar su búsqueda El proceso se repite una cantidad predefinida de veces (No_of_ants) Este proceso puede interrumpirse si la regla se repite con una anterior (No_Rules_Converg – 1 ants), en un ACS real equivale al mismo camino hecho por otra hormiga

16 Visión General (continuación)
Todos los casos cubiertos correctamente por la regla creada, son quitados del conjunto de entrenamiento, y se inicia otra iteración sobre el conjunto reducido El proceso se repite hasta que los casos no cubiertos estén por debajo de un umbral definido previamente (Max_uncovered_cases) Las reglas descubiertas se almacenan en orden de descubrimiento Regla por defecto (default rule) con el antecedente vacío, y el consecuente (clase) correspondiente a la clase mayoritaria de los casos no cubiertos por las reglas descubiertas

17

18 Construcción de Reglas
(tau) Feromona disponible en el momento t, en la posición (i,j) del camino iniciado por la hormiga (eta) Valor de la partición (termij) evaluado con la función heurística particular del dominio Información heurística: preferencia del arco. Depende del problema. Las hormigas no la modifican durante la ejecución Información memorística: medida de la “deseabilidad” del arco, representada por la cantidad de feromona depositada en él. Se modifica durante la ejecución del algoritmo Probabilidad incremental (a) es la cantidad total de atributos (b) es la cantidad de valores en el dominio del atributo (i) Atributos no utilizados aún por la hormiga

19 Función Heurística Número de clases
Cantidad de casos en la partición Tij con la clase W Cantidad de casos en la partición Tij cuando el Atributoi = Vij

20 Función Heurística (cont.)
En los ACO convencionales el valor heurístico es generalmente usado en conjunto con el valor de la feromona para decidir los cambios de estado que se harán (por lo tanto el valor heurístico depende del valor de la feromona) En Ant-Miner el valor heurístico es calculado para obtener la calidad de la medida información del término a ser agregado a la regla

21 Poda de Reglas Incrementa el poder predictivo de la regla
Evita el over-fitting sobre el conjunto de entrenamiento Mejora la simplicidad de la regla (más entendible por el usuario) La poda es ejecutada por cada hormiga cuando completa la construcción de la misma Básicamente se remueve en forma iterativa un término a la vez de la regla, mientras esta mejore su calidad

22 Poda de Reglas (continuación)
Se comienza con la regla completa (con todos los términos) Luego se va quitando de a un término a la vez, y evaluando la calidad de la regla (puede significar re asignar la clase de la regla, dado que la regla podada puede tener diferente mayoría de casos de una determinada clase) El término que quitamos debe mejorar la calidad de la regla El proceso se repite, hasta que la regla tenga sólo un término o bien no haya ningún término a remover que mejore la calidad de la misma

23 Actualización de Feromona
Cuando comienza el algoritmo y la primer hormiga comienza la búsqueda, todos los caminos tienen el mismo nivel de feromona

24 Actualización de Feromona (continuación)
Cada vez que una hormiga termina de construir su regla, la cantidad de feromona en todas las posiciones de todos los caminos debe actualizarse La cantidad de feromona asociada con cada término que aparece en la regla es incrementado La cantidad de feromona asociada con cada término que NO aparece en la regla es reducido, correspondiendo con el fenómeno de la evaporación de feromona en las colonias de hormigas de la vida real

25 Actualización de Feromona (continuación)
Aumentar la cantidad de feromona asociada a cada término concluye con el aumento de la feromona en toda la ruta (path) completada por la hormiga En este contexto, esto equivale a aumentar la probabilidad que el término sea escogido en un futuro por otra hormiga Este incremento es proporcional a la calidad de la regla construida La calidad de la regla (Q) se mide entre 0 y 1, cuanto más alto el valor de Q es mayor la calidad de la regla positivos Tasa de aciertos negativos Tasa de aciertos (negativos)

26 Actualización de Feromona (continuación)
Para el caso de los términos no utilizados, se simula el fenómeno de evaporación a través de la normalización Cuando se construye una regla, sólo los términos utilizados incrementan su cantidad de feromona Cuando se realiza la normalización, y se divide por el total de feromona de todos los términos, el efecto logrado es que los términos no usados vean reducido su cantidad de feromona (estrategia indirecta)

27 Parámetros del Sistema (en este experimento)
Cantidad de Hormigas (No_of_ants) = 300 Cantidad Mínima de Casos por Regla (Min_cases_per_rule) = 10 Cantidad Máxima de Casos no cubiertos en el conjunto de entrenamiento (Max_uncovered_cases) = 10 Cantidad de reglas utilizadas para probar la convergencia de las hormigas (No_Rules_Converg) = 10

28 Resultados Conjuntos de Datos utilizados (UCI)
Atributos continuos fueron discretizados con el algoritmo C4.5 Disc

29 Resultados (continuación)
El algoritmo Ant Miner compite con la tasa de acierto del algoritmo C4.5; no obstante el desvío estándar de la hormiga minera es mayor que la del C4.5

30 Resultados (continuación)
En cuanto a simplicidad de reglas, se midió la cantidad de reglas construidas por cada algoritmo y la cantidad de términos utilizados en cada una

31 Resultados (continuación)
Dataset Tasa de Acierto Simplicidad Reglas Simplicidad Términos Breast Cancer (Ljubljana) Breast Cancer (Wisconsin) Tic-tac-toe Dermatology Hepatitis Heart disease (Cleveland)

32 Mejoras del Algoritmo Ant Miner
Ant-Miner-C cAnt-Miner cAnt-Miner2 cAnt-Miner PB Ant-Tree-Miner Las variantes del algoritmo se basan en el algoritmo presentado inicialmente Ant Miner

33 cAnt-Miner Agrega la posibilidad de trabajar con atributos continuos
Lo que cAnt-Miner hace durante su ejecución es crear internamente intervalos discretos para este tipo de atributos.

34 cAnt-Miner2 El algoritmo cAnt-Miner2 evidencia la construcción de un conjunto de reglas que no hace uso de la reutilización de patrones encontrados para identificar nuevas reglas, a partir de un conjunto de datos con atributos continuos. El algoritmo cAnt-Miner2 posee una exactitud de predicción levemente mayor que el algoritmo Ant-Miner, además encuentra la lista de reglas de una manera más simple sin que se incremente el tiempo de computo.

35 cAnt-Miner2 vs Ant-Miner

36 cAnt-Miner2-MDL Luego de CAntMiner2 hubo una modificación de dicho algoritmo a la que denominaron cAnt-Miner2-MDL donde incorporaron y aplicaron en la fase de construcción de reglas el principio de minimización de la longitud de descripción. Los valores de las feromonas se asocian a las aristas del grafo y no a los vertices.

37 cAnt-Miner PB Basado en Enfoque de Pitsburgh, esta variante a pesar de que sigue utilizando un enfoque de cubrimiento secuencial, cada individuo crea una lista completa de reglas en cada iteración del algoritmo en lugar de una única regla. Además, las feromonas se actualizan en base a la lista de mejores reglas candidatas de entre las creadas en la iteración.

38 Usa una funcion heuristica mas dependiente de la clase y más exacta
Ant-Miner+ Propuesto por (Martens), ha demostrado que obtiene mejores resultados de acuracy (tasa de acierto). La función de fitness es la suma de confianza mas coverage. Usa una funcion heuristica mas dependiente de la clase y más exacta

39 Ant-Miner-C (Baig y Shazhad) Entre sus principales características podemos destacar el empleo de una función heurística basada en el nivel de correlación entre atributos, mientras que la función de fitness es similar a la empleada en el algoritmo Ant-Miner+

40 Ant-Tree-Miner Combina estrategias de arboles de decision y ACO.
En variantes como esta se comprueba que un algoritmo hibrido puede dar buenos resultados Combina estrategias de arboles de decision y ACO. Ant-Tree-Miner sigue un enfoque descendente que realiza una selección probabilística de los atributos que se añaden como nodos de decisión basándose en la cantidad de feromonas y la información heurística

41 Aplicaciones http://iridia. ulb. ac
AcosTSP v1.02 AntNet v1.1 Gui Ant Miner Myra Ant Solver Ant Car La mayoría de las aplicaciones están construidas en C y Java, y se ejecutan sobre Unix

42 GUI Ant-Miner

43 GUI Ant-Miner +45 +900 +2.87 +0.52

44 Ant Sim

45 Conclusiones Ant Miner compite con respecto a la tasa de acierto predictiva en relación con C4.5 El conjunto de reglas descubierto por Ant Miner es más chico que las descubiertas por el algoritmo C4.5 Existen muchas variantes del Algoritmo que contemplan mejoras en los resultados sobre los mismos conjuntos de datos Importancia de desarrollar algoritmos híbridos que incorporen las ventajas de diferentes técnicas (ej.: operadores genéticos para mejorar las soluciones obtenidas por las colonias de hormigas)

46 Preguntas?

47 Referencias “An Ant Colony Algorithm for Classificacion Rule Discovery”. Parpinelli/Lopes/Freitas “Ant Colony Algorithms for Data Classification”. Parpinelli/Lopes/Freitas “Improving the Interpretability of Classification Rules Discovered by an Ant Colony Algorithm”. Otero/Freitas. 2013 “A Novel Method for Extracting Classification Rules based on Ant-Miner”. Babak Fakhar “Classification Rule Discovery with Ant Colony Optimization and Improved Quick Reduct Algorithm”. Jaganathan/Thangavel/Pethalakshmi/Karnan Descripción biológica hormiga Video: “Planet Ant – Life inside the Colony”. BBC. Software Gui Ant Miner: Software Ant Sim v1.1: Ant Colony Optimization. Diferentes paquetes de SW público: