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

Presentación del tema: "ELVIRA II -- Granada’03 TRABAJO REALIZADO POR EL GRUPO I.S.G. (UPV-EHU) Junio’02  Mayo’03."— Transcripción de la presentación:

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

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

3 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)

4 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

5 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

6 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

7 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

8 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

9 INTERFAZ GRÁFICO PANTALLAS DISCRETIZACION

10 INTERFAZ GRÁFICO PANTALLAS MEDIDAS DE FILTRADO (I)

11 INTERFAZ GRÁFICO PANTALLAS MEDIDAS DE FILTRADO (II)

12 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

13 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...