Minería de Datos y Lógica Difusa, una aproximación a la predicción de la Contaminación por MP10...
-
Upload
marcelina-lobo -
Category
Documents
-
view
11 -
download
1
Transcript of Minería de Datos y Lógica Difusa, una aproximación a la predicción de la Contaminación por MP10...
Minería de Datos y Lógica Difusa, una aproximación a la predicción de la
Contaminación por MP10
Trabajo de Titulación para optar al título de Ingeniero Civil en Computación, mención Informática
Profesor Guía:
Santiago Zapata Cáceres
Alumnos: Jhons Cortez Torres
Carlos Reyes Pastore
Universidad Tecnológica MetropolitanaEscuela de Informática
Índice Introducción Objetivos Estado del Arte
La Información El Conocimiento Minería de Datos Lógica Difusa
Contaminación Ambiental Análisis Experimental
Modelo de Minería de Datos Modelo Difuso Resultados Obtenidos
Conclusiones
Introducción El volumen de la información que manejan las
empresas crece día a día.
Se hace necesario el transformar la Información en Conocimiento que sea útil para la toma de decisiones.
Surgen campos de investigación relacionados con la búsqueda de patrones ocultos en grandes volúmenes de datos y el modelado de datos imprecisos (Minería de Datos y Lógica Difusa).
Objetivos Generales:
Proceso de KDD. Lógica Difusa.
Específicos: Minería de Datos tradicional. Modelo Difuso. Controlador Difuso. Análisis de resultados. Comparación de enfoques.
Estado del Arte
Estado del Arte Información.
Shannon (1948), Teoría de la Información. Davenport y Prusak (1999), Diferencias entre Datos
e Información. Empresa SAS, Propone modelo de evolución de la
Información. Brown (2006) Open Group CEO, Nueva revolución de
la Información.
Conocimiento. Davenport y Prusak (1999), Definición de
conocimiento en base a Teoría de Recursos y Capacidades
Estado del Arte Minería de Datos.
Tiene por objetivo, el encontrar patrones ocultos en grandes volúmenes de información acumulada (Histórica).
Raíces de Minería de Datos. Estadística Clásica. Inteligencia Artificial. Machine Learning.
Principales exponentes: Fayyad, Piatetsky-Shapiro y Smyth (1996).
Estado del Arte
Métodos de Minería de Datos: Métodos Descriptivos: Reglas de Asociación Métodos Predictivos: Árboles de Decisión
Proceso de KDD (Knowledge Discovery in Databases)
Estado del Arte Software de Minería de Datos:
Clementine. WEKA. SQL Server (Analysis Services). IBM Intelligent Miner.
Áreas relacionadas con Minería de Datos
Minería de Datos
Minería de Datos
OLAP
Web Mining Text Mining
Data Warehousing
CRM
Lógica Difusa
Estado del Arte
Lógica Difusa. Manejo de Información Imprecisa. Aristóteles, precursor de teorías de
lógica y matemáticas. Jan Lukasievicz (Siglo XX), Propone
Lógica Triple-Evaluada como primer acercamiento.
Zadeh (1965), Teoría de Conjuntos Difusos.
Estado del Arte Controladores Difusos.
Principal aplicación en Electrónica y Control. Algoritmos de Generación de Reglas Difusas: Wang &
Mendel y Cordón y Herrera.
Componentes de un Controlador Difuso.
Primer Controlador Difuso creado por
Mamdani y Assilian (1975)
Caso mas conocido Metro de Sendai, Japón
(1987)
Estado del Arte Aplicaciones de Lógica Difusa:
Medina (1994), Modelo GEFRED. Fuzzy C-Means, Bezdek (1973), Miyamoto y
Mikaidono (1997). Reglas de Asociación Difusa, Kuok (1998).
Contaminación Ambiental Factores que inciden en la contaminación en
Santiago de Chile: Fuentes emisoras de contaminantes. Condiciones Geográficas. Condiciones Meteorológicas.
Consecuencia: Efectos negativos sobre la salud de las personas.
Contaminación Ambiental Red MACAM Índice ICAP
Providencia
La Paz
La Florida
Las Condes
Parque O’Higgins
Pudahuel
Cerrillos
El Bosque
Monitoreo de Contaminantes
Los episodios de Alerta, Preemergencia y Emergencia se detallan en el PDDA
Modelo Predictivo actual: Cassmassi• Utiliza Regresiones Lineales Múltiples• Acierto Total de 71%
Análisis Experimental
Análisis Experimental Se utilizaron datos relativos a la contaminación ambiental,
medidos por la red MACAM (Fuente SESMA).
Mediante Minería de Datos Tradicional se obtuvo un modelo basado en Árboles de Decisión y otro en Reglas de Asociación.
Mediante Lógica Difusa se obtuvo un modelo de inferencia difusa basado en Reglas de Comportamiento (Reglas difusas).
Se Consideró solamente el MP10 y variables meteorológicas en los modelos (Temperatura, Humedad, Velocidad del Viento, Dirección del Viento).
Modelos obtenidos (Minería de Datos tradicional)
Árbol Estación B Reglas de Asociación Estación B
Consecuente”Regular”
Soporte30%
Software Utilizado: Clementine
Generación de Reglas Difusas Algoritmo de Wang y Mendel
Datos
Paso 1: Generar Particiones Difusas
Paso 2: Generar Reglas Difusas μ3(57) = 0.6 μ4(57) = 0.4
MAX(μ3, μ4) = 0.6 = μH “Humedad Media”
Generación de Reglas Difusas Algoritmo de Wang y Mendel
Regla Generada
IF H=Media AND T=Media AND D=Suroeste AND V=MBaja AND MP10=Bueno THEN MP10=Bueno
Paso 3: Asignar Grado a cada Regla
μH * μT * μD * μV * μMP * μMP = 0.6 -> Grado de la ReglaPara Reglas con mismo antecedente y distinto consecuente se conserva la
de mayor grado
Paso 4: Crear una base de Reglas Difusas Paso 5: Determinar un valor numérico de salida (Método de Desfuzificación)
Ejemplo de Reglas Generadas (Wang y Mendel)
Generación de Reglas Difusas
Generación de Reglas Difusas
Paso 1: Generar Particiones Difusas
Paso 2: Se genera un subespacio de Reglas Difusas para cada ejemplo numérico.
Algoritmo de Cordón y Herrera
Generación de Reglas Difusas
Paso 3: Se determina la regla más representativa mediante la “Función de Valoración de la Regla” (FVR).
Paso 4: La regla elegida es la que posea mayor FVR.
Algoritmo de Cordón y Herrera Reglas obtenidas por algoritmo
Wang y Mendel
Cordón y Herrera
Modelo de Lógica Difusa
Modelo
Sistema de Inferencia
Software Utilizado: XFUZZY
Resultados obtenidos Algoritmo de Wang y
Mendel
Algoritmo de Cordón y Herrera
Aciertos Fallos Porcentaje de acierto
Caso Cordón y Herrera 155 345 31 %
Conclusiones Los modelos presentados presentan una interesante
alternativa a los existentes, debido a la reducción de la complejidad en el diseño.
La Lógica Difusa, resulta de gran utilidad en problemas que no poseen una solución de tipo lineal pues se basan en Heurísticas.
La precisión del Modelo Difuso puede mejorarse aumentando los conjuntos difusos por variable o incorporando alguna medida de valoración de Reglas Difusas.
Las reglas obtenidas por Wang & Mendel y Cordón & Herrera, son mucho más útiles cuando se cuenta con un número menor de datos en comparación con la Minería Tradicional.
Líneas Futuras de Investigación Considerar variables referidas a la medición de
gases como por ejemplo, el O3 o el CO.
Realizar una redefinición de los conjuntos difusos de cada variable.
Agregar alguna medida de valoración de Reglas de Asociación Difusa, como la Confianza, Soporte o Factor de Certeza (Algoritmo de Kuok).
Fin de la Presentación
Particiones Difusas Sea X un grupo de elementos, y sea x un elemento de
ese grupo, un conjunto difuso A en X se define como un conjunto de pares ordenados como sigue:
A = {(x, μA(x)) / x X}, μA(x) función de pertenencia.
Ejemplo: sea X = {4, 8, 15….. 32} las mediciones de las temperaturas para la ciudad de Santiago de Chile (x en grados Celsius).
Y sea “A” el conjunto “Temperatura Alta” :
Particiones Difusas0 si x < 22
μA(x) = (x-22)/4 si 22 ≤ x < 261 si x ≤ 26
A = {(22,0), (24,0.5), (25,0.75)…… (30,1)}, en general A = {(x, μA(x))}
Notación por Comprensión
Notación por Extensión
Representación Gráfica
Volver
Funciones de Pertenencia
Volver
Intersección:μA∩B(x) = min {μA(x), μB(x)} x X.
UniónμA(x) U μB(x)) = max {μA(x), μB(x)} x X.
Complemento:μCA(x) = 1 - μA(x) x X
Operaciones
T – normas: Una T-norma es un operador de conjuntos difusos que satisface las propiedades:
x * y = y * x(x * y) * z = (x *(y * z))si x < y y z < w entonces x * z < y * wx * 1 = x
Las T-normas se utilizan para definir los conectivos AND en las reglas difusas, la función Min(A,B) es una T-norma.
También existen las S-normas, utilizadas en los conectivos OR de las reglas difusas los cuales también satisfacen una serie de propiedades
Operador
Conjuntos
Intersección
Unión
Complemento
Ejemplos de operaciones
Volver
Variable lingüística: Palabras u oraciones en lenguaje natural, por ejemplo, para la variable Temperatura:
<X, L, x, M>
X: nombre de la variable, por ejemplo Temperatura.
L: valores lingüísticos que puede tomar la variable lingüística, {Baja, media, alta)
x : es el dominio numérico donde está definida la variable lingüística X llamado universo de discurso por ejemplo [-5, 35].
M: es la función de pertenencia o bien la función que asigna el valor numérico.
Variables lingüísticas 1
Variables lingüísticas 2 X = Temperatura. L = {Baja, Normal, Alta, Muy alta} x = [0,42] M = grupo de funciones de pertenencia.
Volver
Determinación del valor numérico de salida Una vez obtenido el conjunto de salida es necesario
determinar un valor en concreto de tipo numérico. Para ello se utiliza algún método de Defuzzyficación. Por ejemplo: Método del Centro de Gravedad.
Volver