Descargar la presentación
La descarga está en progreso. Por favor, espere
Publicada porCristóbal Castellanos Prado Modificado hace 9 años
1
Intelligent Systems Group U.P.V. / E.H.U. APORTACIONES EN EL SOFTWARE ELVIRA: MAYO’03-MAYO’04 GRUPO ISG, UPV-EHU Donostia, 14-V-2004
2
2 Implementaciones en Elvira ISG PROGRAMADORES Rubén Armañanzas Rubén Armañanzas Rosa Blanco Rosa Blanco José L. Flores José L. Flores Aritz Pérez Aritz Pérez Guzmán Santafé Guzmán Santafé
3
3 Implementaciones en Elvira ISG APORTACIONES EN VARIOS CAMPOS 1. Construcción clasificadores supervisados 2. Medidas “filter” de selección-rankeo de variables predictoras 3. Construcción clasificadores no-supervisados 4. Discretización de variables continuas 5. Interfaz gráfico (GUI) de Elvira Aportaciones en el cvs (la mayoría en el GUI) Aportaciones en el cvs (la mayoría en el GUI)
4
4 Implementaciones en Elvira ISG 1. CONSTRUCCION CLASIFICADORES SUPERVISADOS (Rosa) Naive-Bayes (Duda & Hart’73) Naive-Bayes (Duda & Hart’73) Selective naive Bayes (Langley & Sage’94) Selective naive Bayes (Langley & Sage’94) Tree Augmented Network (TAN, Friedman’97) Tree Augmented Network (TAN, Friedman’97) Semi naive Bayes (Pazzani’97) Semi naive Bayes (Pazzani’97) K-dependence Bayesian classifiers (k-DB, Sahami’96) K-dependence Bayesian classifiers (k-DB, Sahami’96) elvira.learning.classification.supervised.discrete
5
5 Implementaciones en Elvira ISG 1. CONSTRUCCION CLASIFICADORES SUPERVISADOS (Rosa) Todos disponibles en el GUI Todos disponibles en el GUI Mediante el GUI: Mediante el GUI: muestra gráfica de la estructura estimación porcentaje bien clasificados categorización-testeo de nuevos casos posibilidad uso corrección Laplace ... Sus clases y métodos relacionados principales, explicados en el capítulo 9 (“Classification”) de Elvira-Book Sus clases y métodos relacionados principales, explicados en el capítulo 9 (“Classification”) de Elvira-Book Aritz (local) versión para el campo CONTINUO de los cinco clasificadores anteriores Aritz (local) versión para el campo CONTINUO de los cinco clasificadores anteriores
6
6 Implementaciones en Elvira ISG 2. RANKEO DE PREDICTORAS POR MEDIDAS “FILTER” (Rubén) Rankeo mediante siete medidas “filter” univariadas (correlación clase-predictora): Rankeo mediante siete medidas “filter” univariadas (correlación clase-predictora): Información mutua Entropía Shannon Métrica Bhattacharyya Distancias: Euclídea, Matusita, Kullback-Leibler (2) elvira.learning.preprocessing.FilterMeasures.java
7
7 Implementaciones en Elvira ISG 2. RANKEO DE PREDICTORAS POR MEDIDAS “FILTER” (Rubén) Mediante el GUI: Mediante el GUI: Expresión matemática de la medida A un fichero de salida posibilidad de proyectar un subconjunto de variables (+ clase) según el rankeo Punto de corte “codo” (Molina y col.’02) sobre el ranking. Línea de comandos Punto de corte “codo” (Molina y col.’02) sobre el ranking. Línea de comandos “Correlation Feature Selection” (CFS, Hall’99). “Filter” multivariada. Línea de comandos “Correlation Feature Selection” (CFS, Hall’99). “Filter” multivariada. Línea de comandos
8
8 Implementaciones en Elvira ISG 3. CONTRUCCION CLASIFICADORES NO SUPERVISADOS (Guzmán) Aprendizaje de la estructura naive-Bayes no supervisada de dos formas: Aprendizaje de la estructura naive-Bayes no supervisada de dos formas: EM (Dempster’77) EM Multi-Start Mediante el GUI: Mediante el GUI: muestra gráfica de la estructura posibilidad uso corrección Laplace,... Sus clases y métodos relacionados principales, explicados en el capítulo 9 (“Classification”) de Elvira-Book Sus clases y métodos relacionados principales, explicados en el capítulo 9 (“Classification”) de Elvira-Book elvira.learning.classification.unsupervised.discrete
9
9 Implementaciones en Elvira ISG 4. DISCRETIZACION DE VARIABLES CONTINUAS (José Luis) Cinco métodos de discretización: Cinco métodos de discretización: Equal Frequency Equal Width Sun Square Differences Unsupervised Monothetic Contrast K-means elvira.learning.preprocessing.Discretization.java
10
10 Implementaciones en Elvira ISG 4. DISCRETIZACION DE VARIABLES CONTINUAS (José Luis) Mediante el GUI: Mediante el GUI: Discretización: Global (“masiva”): discretizar todas las variables con el mismo método Local (“normal”): aplicar un método de discretización concreto por variable Generación de un fichero de casos de salida con la discretización realizada
11
11 Implementaciones en Elvira ISG 5. INTERFAZ GRAFICO - GUI (Rubén) Soporte en el GUI al aprendizaje a partir de casos: Soporte en el GUI al aprendizaje a partir de casos: Preproceso: Imputación Discretización Medidas “filter” de rankeo Aprendizaje automático Clasificación supervisada Clasificación no supervisada Factorización de distribuciones de probabilidad mediante redes Bayesianas (+ Restricciones)
12
12 Implementaciones en Elvira ISG 5. INTERFAZ GRAFICO - GUI (Rubén) Post aprendizaje: Estimación porcentaje bien clasificados Categorización – Testeo de un fichero de casos elvira.gui.DataBaseMonitor.java elvira.gui.DataBaseMonitorWorker.java
Presentaciones similares
© 2024 SlidePlayer.es Inc.
All rights reserved.