Razonamiento basado en memoria

Presentación del tema: "Razonamiento basado en memoria"— Transcripción de la presentación:

1 Razonamiento basado en memoria
Teoría Tema 13 Minería de datos Dr. Francisco J. Mata

2 Razonamiento basado en memoria
Minería de datos Dr. Francisco J. Mata

3 Razonamiento basado en memoria
Minería de datos Dr. Francisco J. Mata

4 Razonamiento basado en memoria
Minería de datos Dr. Francisco J. Mata

5 Razonamiento basado en memoria
Minería de datos Dr. Francisco J. Mata

6 Razonamiento basado en memoria
Minería de datos Dr. Francisco J. Mata

7 Razonamiento basado en memoria
Funcionamiento Almacenar los registros pre-clasificados Para un registro nuevo, encontrar los vecinos más cercanos Utilizar los vecinos para decidir qué valor asignarle al nuevo registro Minería de datos Dr. Francisco J. Mata

8 Razonamiento basado en memoria
Minería de datos Dr. Francisco J. Mata

9 Razonamiento basado en memoria
Minería de datos Dr. Francisco J. Mata

10 Razonamiento basado en memoria
Minería de datos Dr. Francisco J. Mata

11 Razonamiento basado en memoria
Minería de datos Dr. Francisco J. Mata

12 Razonamiento basado en memoria
Minería de datos Dr. Francisco J. Mata

13 Razonamiento basado en memoria
Minería de datos Dr. Francisco J. Mata

14 Razonamiento basado en memoria
Minería de datos Dr. Francisco J. Mata

15 Razonamiento basado en memoria
Minería de datos Dr. Francisco J. Mata

16 Razonamiento basado en memoria
Minería de datos Dr. Francisco J. Mata

17 Razonamiento basado en memoria
Minería de datos Dr. Francisco J. Mata

18 Razonamiento basado en memoria
Vecino Distancia Peso Códigos 1 0.076 0.924 R/FE, R/CA, R/CO 2 0.346 0.654 R/FE, R/JA, R/CA 3 0.369 0.631 R/FE, R/JA, R/MI 4 0.393 0.607 Minería de datos Dr. Francisco J. Mata

19 Razonamiento basado en memoria
Código 1 2 3 4 Score R/CA 0.924 0.645 0.607 2.176 R/CO R/FE 0.654 0.631 2.816 R/JA 1.892 R/MI Minería de datos Dr. Francisco J. Mata

20 Razonamiento basado en memoria
Minería de datos Dr. Francisco J. Mata

21 Razonamiento basado en memoria
Minería de datos Dr. Francisco J. Mata

22 Razonamiento basado en memoria
Requerimientos de variables Una variable “target” Binaria, nominal o intervalo Ordinal debe ser convertida a intervalo Variables “input” Numéricas, ortogonales y estandarizadas Utilizar el nodo “Princomp/Dmneural” para obtener una descomposición mediante valores principales Minería de datos Dr. Francisco J. Mata

23 Razonamiento basado en memoria
Creación de un archivo de entrenamiento Número similar de registros para cada clase de la variable “target” Docenas de ejemplos mejor si son cientos o miles Minería de datos Dr. Francisco J. Mata

24 Razonamiento basado en memoria
Pocos registros mejora eficiencia Muchos registros baja efi- ciencia Minería de datos Dr. Francisco J. Mata

25 Razonamiento basado en memoria
Minería de datos Dr. Francisco J. Mata

26 Razonamiento basado en memoria
Minería de datos Dr. Francisco J. Mata

27 Razonamiento basado en memoria
Minería de datos Dr. Francisco J. Mata

28 Razonamiento basado en memoria
Minería de datos Dr. Francisco J. Mata

29 Razonamiento basado en memoria
Fortalezas Resultados son fácilmente entendibles No son reglas del tipo if-then Sino del tipo se hace esta predicción considerando los resultados de estos registros los cuales son muy parecidos al nuevo Minería de datos Dr. Francisco J. Mata

30 Razonamiento basado en memoria
Fortalezas Funciona bien con cualquier número de variables El rendimiento del razonamiento basado en memoria depende más del conjunto de datos de adiestramiento que en el número de variables Ventaja sobre rede neuronales y regresión Minería de datos Dr. Francisco J. Mata

31 Razonamiento basado en memoria
Debilidades Computacionalmente costoso a la hora del “scoring” Encontrar los vecinos más cercanos es computacionalmente costoso si el conjunto de adiestramiento es muy grande Árboles de decisión y redes neuronales no utilizan el conjunto de adiestramiento a la hora de hacer el “scoring” Minería de datos Dr. Francisco J. Mata

32 Razonamiento basado en memoria
Debilidades Dependencia de la función de distancia, de la función de combinación y del número de vecinos Resultados dependen de estos parámetros Minería de datos Dr. Francisco J. Mata

33 Razonamiento basado en memoria
Cuando utilizarlo Cuando los patrones en los datos son muchos y muy locales y reglas y funciones globales no tienen sentido Ejemplo: ¿Por qué clientes dejan de comprar de un catálogo? Nuevos almacenes se abren en el vecindario Están inundados de otros catálogos Pierden el trabajo, etc. Cuando no utilizarlo Cuando hay pocas razones para algo y reglas son globales Ejemplo: ¿Por qué clientes compran en diciembre? Para dar regalos Minería de datos Dr. Francisco J. Mata