ELVIRA II -- Granada’03 TRABAJO REALIZADO POR EL GRUPO I.S.G. (UPV-EHU) Junio’02  Mayo’03

DESARROLLADORES Rubén Armañanzas Rosa Blanco José Luis Flores Aritz Pérez Guzmán Santafé Javi García Castellano

ÁREAS DE DESARROLLO 1.Pre-procesamiento de datos a.Discretización (José Luis, Javi) b.Medidas de filtrado para selección de variables en problemas supervisados (Rubén) 2.Clasificación supervisada (Rosa, Aritz, Javi) 3.Clasificación no-supervisada (Guzmán) 4.Interfaz gráfico (Rubén)

CLASES PRINCIPALES PRE-PROCESAMIENTO: DISCRETIZACIÓN  learning/preprocessing/Discretization.java 5 métodos de discretización: – Equalfrequency – Equalwidth – Unsupervised Monothetic Constrast – Sum Squared Differences – K-Means Discretización Masiva vs. Discretización Local *.dbc continuo *.dbc discretizado Recogido en el interfaz de Elvira

CLASES PRINCIPALES PRE-PROCESAMIENTO: MEDIDAS DE FILTRADO  learning/preprocessing/FilterMeasures.java 5 medidas “filter” para la selección de variables en problemas supervisados, mediante la elaboración de un “ranking” Información mutua, Entropía de Shannon, Kullback_Leibler (2), Matusita, Bhatacharyya Posibilidad de proyectar a un nuevo fichero *.dbc: ‘d’ variables predictoras más relevantes + clase Recogido en el interfaz de Elvira

CLASES PRINCIPALES CLASIFICACIÓN SUPERVISADA  learning/classification/ClassifierValidator.java Posibilidad de validar los clasificadores por: validación cruzada, entrenamiento + test, leave-one-out  learning/classification/ConfusionMatrix.java Posibilidad de obtener la matriz de mala-clasificación  learning/classification/supervised/discrete/ Naive_Bayes.java  learning/classification/supervised/discrete/ CMutInfTAN.java (Tree-Augmented Network, Friedman y col.’97) Posibilidad de etiquetar-categorizar un fichero de casos con la clase predecida por un clasificador La variable clase en la última posición del *.dbc

CLASES PRINCIPALES CLASIFICACIÓN NO-SUPERVISADA  learning/classification/unsupervised/discrete/NBayesMLEM.java Aprendizaje de un clasificador naive-Bayes no-supervisado por medio del algoritmo EM, log-verosimilitud como score, asumiendo la clase como variable latente Mediante la subclase NBayesMLEMMStart.java se realiza un método de aprendizaje multi-start mediante el EM del naive-Bayes no-supervisado La variable clase no existe en el *.dbc

CLASES PRINCIPALES INTERFAZ GRÁFICO  gui/DataBaseMonitor.java  gui/DataBaseMonitorWorker.java Integra el tratamiento de datos realizado en el grupo Hasta el momento en el interfaz: discretización y medidas de filtrado Otras mejoras visuales: – Barra en movimiento durante la ejecución de tareas – Al cargar los datos para métodos de aprendizaje de RBs: aparición de los nombres de las variables e información acerca del número de casos y variables Su funcionalidad en el interfaz aparece mediante la secuencia: Archivo Abrir fichero de casos No interfiere ni reduce ninguna funcionalidad anterior del GUI

INTERFAZ GRÁFICO PANTALLAS DISCRETIZACION

INTERFAZ GRÁFICO PANTALLAS MEDIDAS DE FILTRADO (I)

INTERFAZ GRÁFICO PANTALLAS MEDIDAS DE FILTRADO (II)

TRABAJO FUTURO (I) Discretización  nuevos métodos de búsqueda de la discretización óptima mediante EDAs Imputación de valores perdidos  EM Nuevas medidas de filtrado supervisadas Clasificación supervisada: – inducción de distintos tipos de clasificadores (estructuras) basados en modelos gráficos probabilísticos: naive-Bayes  redes Bayesianas – inducción de estructuras “multinet” – algoritmo TM (Edwards & Lauritzen’01) – variables continuas y discretas

TRABAJO FUTURO (II) Clasificación no-supervisada: – inducción de distintos tipos de clasificadores (estructuras) basados en modelos gráficos probabilísticos: naive-Bayes  redes Bayesianas – “Exact model averaging with naive-Bayes” (Dash & Cooper’02) – algoritmo TM (Edwards & Lauritzen’01) – variables continuas y discretas Interfaz gráfico: – incorporación de los métodos de clasificación implementados – visualización de varias utilidades clasificatorias: matriz de mala-clasificación, porcentaje de bien clasificados estimado...