ELVIRA II -- Granada

1
ELVIRA II -- Granada03

• TRABAJO REALIZADO POR EL GRUPO I.S.G. (UPV-EHU)
• Junio02 ? Mayo03

2
DESARROLLADORES

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

3
ÁREAS DE DESARROLLO

• Pre-procesamiento de datos
• Discretización (José Luis, Javi)
• Medidas de filtrado para selección de variables
  en problemas supervisados (Rubén)
• Clasificación supervisada (Rosa, Aritz, Javi)
• Clasificación no-supervisada (Guzmán)
• Interfaz gráfico (Rubén)

4
CLASES PRINCIPALES PRE-PROCESAMIENTODISCRETIZACI
ÓN

• ? 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-PROCESAMIENTOMEDIDAS 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 PRINCIPALESCLASIFICACIÓN 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 PRINCIPALESCLASIFICACIÓN NO-SUPERVISADA

• ? learning/classification/unsupervised/discrete/NB
  ayesMLEM.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 PRINCIPALESINTERFAZ 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 GRÁFICOPANTALLAS DISCRETIZACION
10
INTERFAZ GRÁFICOPANTALLAS MEDIDAS DE FILTRADO (I)
11
INTERFAZ GRÁFICOPANTALLAS 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 Lauritzen01)
• 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
  Cooper02)
• algoritmo TM (Edwards Lauritzen01)
• 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...