T ÓPICOS DE I.A.

DATA MINING – MINERAÇÃO DE DADOS

Prof. Régis Albuquerque

DATA MINING – MINERAÇÃO DE DADOS INTRODUÇÃO

    A evolução da computação possibilitou um aumento na capacidade de processamento e armazenamento de dados.

Diante da deficiência para analisar e compreender grande volume de dados. Diversos estudos têm sido direcionados ao desenvolvimento de tecnologias de extração automática de conhecimento de Bases de Dados.

Extração de Conhecimento de Base de Dados (Knowledge Discovery in Database - KDD) Mineração de Dados (MD).

2

DATA MINING – MINERAÇÃO DE DADOS INTRODUÇÃO

Segundo Figueira(1998), “a tecnlogia tornou relativamente fácil o acúmulo de dados. A consequência é a apliação do uso dos Data Warehouses. Ao mesmo tempo, a informação é valorizada como nunca antes na história, e os dados armazenados nos Data Warehouses são vasculhados por profissionais especializados, a procura de tendências e padrões”.

Data Warehouse: Um datawarehouse é um conjunto de dados orientado por assunto, integrado, variável com o tempo, e não-volátil, que fornece suporte ao processo de tomada de decisão do negócio.

3

DATA MINING – MINERAÇÃO DE DADOS INTRODUÇÃO

   Grande disponibilidade de dados armazenados eletronicamente Existem informações úteis, invisíveis, nesses grandes volumes de dados Aproveitar para prever um conhecimento futuro (ir além do armazenamento explícito de dados).

4

DATA MINING – MINERAÇÃO DE DADOS DEFINIÇÃO

   Segundo Groth (1998), Data Mining é o processo de descoberta automático de informações.

Para Ávila (1998), Data Mining é uma área de pesquisa da Inteligência Artificial que busca encontrar padrões em bases de dados. Geralmente, considerado como um dos passos no processo de KDD – Knowledge Discovery Database (Descobrimento de Conhecimento em Bases de Dados.

Data Mining é uma tecnologia usada para revelar informação estratégica escondida em grandes massas de dados (KREMER, 1999).

5

DATA MINING – MINERAÇÃO DE DADOS

6

DATA MINING – MINERAÇÃO DE DADOS POR QUÊ DATAMINING?

    

Grandes quantidades de dados (bases de dados) Conhecimento dos mercados / clientes

  Sectores muito dependentes da informação  banca, seguros, telecomunicações, retalho Forte pressão competitiva  Vantagem económica

Respostas mais rápidas

 Produtividade

Personalização em massa

 Promoção directa em função das compras

Automação de tarefas /Apoio à decisão

 Detecção de fraude

7

DATA MINING – MINERAÇÃO DE DADOS EVOLUÇÃO

Evolução

Coleção de dados 1960 Acessos aos dados 1980

Perguntas

“Qual foi meu rendimento total nos últimos cinco anos ?” “Qual foi meu rendimento no Brasil no último janeiro ?”

Tecnologia disponível

Computadores, Fitas, discos RDBMS, SQL, ODBC Data warehousing & suporte a decisão 1990 Data Mining Atualmente “Qual foi meu rendimento no Brasil no último janeiro? Do sul até o nordeste Processamento analítico on-line, banco de dados multidimencionais, data warehousing “Porque alguns produtos são mais vendidos na região sul ?” Algoritmos avançados, computadores multiprocessados, B.D.

grandes e poderosos

Características

Retrospectiva, Dados estáticos como resposta Restropectiva, dados dinâmicos a nível de registos como resposta Retrospectiva, dados dinâmicos em múltiplos níveis como resposta Prospectivo, Informações (perspectivas) como resposta.

8

DATA MINING – MINERAÇÃO DE DADOS EXEMPLO

Fabricante Estado

Smith CA Smith Adams Adams Johnson Johnson AZ NY AZ NY CA

Cidade

Los Angeles Flagstaff NYC Flagstaff NYC Los Angeles

Cor do Produto Lucro

Azul Alto Verde Azul Vermelho Verde Vermelho Baixo Alto Baixo Médio Médio Produtos azuis são de alto lucro ou Arizona é um lucro baixo?

9

DATA MINING – MINERAÇÃO DE DADOS EXEMPLO

Fabricante Estado Cidade Cor do Produto Lucro

Smith Smith Adams Adams Johnson Johnson CA AZ NY AZ NY CA Los Angeles Flagstaff NYC Flagstaff NYC Los Angeles Azul Verde Azul Vermelho Verde Vermelho Alto Baixo Alto Baixo Médio Médio

10

DATA MINING – MINERAÇÃO DE DADOS OBJETIVO

   O processo de Extração de Conhecimento de Base de Dados tem o objetivo de encontrar conhecimento a partir de um conjunto de dados para ser utilizado em um processo decisório.

Um requisito importante é que esse conhecimento descoberto seja compreensível a humanos, além de útil e interessante para os usuários finais do processo.

Procura de padrões úteis em grandes quantidades de dados

  padrão: motivo que se repete com alguma frequência útil: o padrão deve servir para resolver um problema

11

DATA MINING – MINERAÇÃO DE DADOS OBJETIVO

12

DATA MINING – MINERAÇÃO DE DADOS CONCEITOS RELACIONADOS

        Dados Padrões Processo Válidos Novos Úteis Compreensíveis Conhecimento A união desses conceitos define o processo de Mineração de Dados.

13

DATA MINING – MINERAÇÃO DE DADOS

CONCEITOS RELACIONADOS

-

DADOS  Conjunto de fatos ou casos em um repositório de dados. Por exemplo, os dados correspondem aos valores dos campos de um registro de vendas em uma Base de dados qualquer;

Fabricante Estado

Smith CA Smith Adams Adams Johnson Johnson AZ NY AZ NY CA

Cidade

Los Angeles Flagstaff NYC Flagstaff NYC Los Angeles

Cor do Produto Lucro

Azul Alto Verde Azul Vermelho Verde Vermelho Baixo Alto Baixo Médio Médio

14

DATA MINING – MINERAÇÃO DE DADOS

CONCEITOS RELACIONADOS

-

PADRÕES    Denota alguma abstração de um subconjunto dos dados em alguma linguagem descritiva de conceitos; Padrões são unidades de informação que se repetem. A tarefa de localizar padrões não é privilégio da mineração de dados. O cérebro dos seres humanos utiliza-se de processos similares, pois muito do conhecimento que temos em nossa mente é, de certa forma, um processo que depende da localização de padrões EX:

ABCXYABCZKABDKCABCTUABEWLABCWO 15

DATA MINING – MINERAÇÃO DE DADOS

CONCEITOS RELACIONADOS

-

PROCESSO  A Extração de Conhecimento de Base de Dados envolve diversas etapas como a preparação dos dados, busca por padrões e avaliação do conhecimento;

16

DATA MINING – MINERAÇÃO DE DADOS

CONCEITOS RELACIONADOS

-

VÁLIDOS  Os padrões descobertos devem possuir algum grau de certeza,ou seja, devem satisfazer funções ou limiares que garantem que os exemplos cobertos e os casos relacionados ao padrão encontrado sejam aceitáveis;

17

DATA MINING – MINERAÇÃO DE DADOS

CONCEITOS RELACIONADOS

-

NOVOS  Um padrão encontrado deve fornecer novas informações sobre os dados. O grau de novidade serve para determinar quão novo ou inédito é um padrão. Pode ser medido por meio de comparações entre as mudanças ocorridas nos dados ou no conhecimento anterior;

18

DATA MINING – MINERAÇÃO DE DADOS

CONCEITOS RELACIONADOS

-

ÚTEIS  Os padrões descobertos devem ser incorporados para serem utilizados

19

DATA MINING – MINERAÇÃO DE DADOS CONCEITOS RELACIONADOS COMPREENSÍVEIS  Um dos objetivos de realizar MD é encontrar padrões descritos em alguma linguagem que pode ser compreendida pelos usuários permitindo uma análise mais profunda dos dados;

20

DATA MINING – MINERAÇÃO DE DADOS

CONCEITOS RELACIONADOS

-

CONHECIMENTO  O conhecimento é definido em termos dependentes do dominio que estão relacionados fortemente com medidas de utilildade, originalidade e compreensão

21

DATA MINING – MINERAÇÃO DE DADOS O PROCESSO DE MINERAÇÃO DE DADOS   Todo o processo de Mineração de Dados é orientado em função de seu conhecimento de aplicação e dos reposotórios de dados inerentes aos mesmos.

Para usar os dados é necessário que estejam estruturados de forma a serem consultados e analisados adequadamente.

22

EXERCÍCIO - P

RÁTICO m f m f m m f m m m m m f

sexo IDA

f m

CIV ESCOL

40anos c 40anos c 50anos s EstSuperiores sup 12ano 9Classe

PROF

int sup f m 60anos c 60anos c 4Classe 4Classe semi-qual sem-prof 50anos c 40anos c 40anos c 40anos c 60anos c 60anos c EstSuperiores sup 4Classe 4Classe 4Classe esp-man EstSuperiores sup EstSuperiores sup semi-qual

HDORM ACTIV

8ha10h 6ha8h 6ha8h 6ha8h menos6h alguma 8ha10h mais10h alguma 6ha8h esp-n-man 6ha8h 8ha10h 8ha10h pouca pouca pouca pouca pouca pouca

DESP TAB ALC CAF Peso

nao sim nao nao nao sim nao nenhuma sim sim nenhuma sim pouca nao nao nao nao ex nao nao ex ex nao ex ex bebe sim bebe sim nao sim bebe nao nao sim ocas sim bebe sim bebe sim bebe sim bebe sim ex sim 70a60Kg 70a60Kg 50a60Kg mais80 50a60Kg 50a60Kg mais80 70a60Kg 80a70kg mais80 70a60Kg 50anos c 40anos v 40anos c 50anos c 50anos c 40anos d 9Classe 4Classe 9Classe esp-n-man 8ha10h esp-n-man 8ha10h esp-n-man 6ha8h 12ano 12ano int int EstSuperiores sup 6ha8h 6ha8h 6ha8h pouca nao nenhuma nao nenhuma sim alguma pouca pouca sim sim sim nao bebe sim nao nao sim fuma bebe sim ex nao bebe sim bebe sim fuma bebe sim 70a60Kg 50a60Kg mais80 70a60Kg 80a70kg 70a60Kg

ALT IMC

m160 normal m150 excessopeso m150 normal m160 excessopeso m150 excessopeso m150 normal m170 excessopeso m170 normal m160 excessopeso m170 excessopeso m180 normal m150 excessopeso m160 normal m160 obesidade m150 excessopeso m170 normal m160 normal

Colest

alto baixo baixo medio medio medio baixo baixo medio medio alto medio baixo alto medio medio alto 1 – Construir uma visão em árvore baseado nos dados acima.

2 – Tirar no mínimo duas conclusões apartir dessa visão.

23

M F SEXO 40 anos 50 anos 60 anos 40 anos 50 anos 60 anos IDADE baixo médio alto médio médio alto baixo baixo médio médio

 Todos os Homens de 50 anos tem o colesterol médio  Todas as Mulheres de 40 anos tem o colesterol baixo

25

DATA MINING – MINERAÇÃO DE DADOS O PROCESSO DE MINERAÇÃO DE DADOS     Existme diversas abordagens para a divisão das etapas do processo de Extração de Conhecimento de Base de Dados.

Aguns autores dividem o processo em quatro, seis ou nove etapas, dependendo do autor. Porém existem três grandes etapas:  Pré-processamento,   Extração de Padrões e Pós-Processamento O processo de MD é centrado na interação entre as diversas classes de usuários, e o seu sucesso depende, em parte, dessa interação. (Classes: Especialista do Domínio, Analista e Usuário Final)

26

DATA MINING – MINERAÇÃO DE DADOS O PROCESSO DE MINERAÇÃO DE DADOS

27

DATA MINING – MINERAÇÃO DE DADOS O PROCESSO DE MINERAÇÃO DE DADOS

28

DATA MINING – MINERAÇÃO DE DADOS O PROCESSO DE MINERAÇÃO DE DADOS INDENTIFICAÇÃO DO PROBLEMA:   O estudo do domínio da aplicação e a definição de objetivos e metas a serem alcançados no processo de Mineração de Dados são identificados nesta fase.

Questões importantes que devem ser respondidads nesta fase:     Quais são as principais metas do processo?

Quais critérios de desempenho são importantes?

O conhecimento estraído deve ser compreensível a seres humanos ou um modelo do tipo caixa-preta é apropriado?

Qual deve ser a relação entre simplicidade e precisão do conhecimento extraído?

29

DATA MINING – MINERAÇÃO DE DADOS O PROCESSO DE MINERAÇÃO DE DADOS PRÉ-PROCESSAMENTO:   Normalmente, os dados disponíveis para análise não estão em um formatoa dequado para a Extração de Conhecimento.

Diversas transformações nos dados podem ser executadas nesta etapa:  Extração e Integração;    Transformação; Limpeza; Seleção e Redução de Dados

30

DATA MINING – MINERAÇÃO DE DADOS O PROCESSO DE MINERAÇÃO DE DADOS EXTRAÇÃO DE PADRÕES:    Esta etapa é direcionada ao cumprimento dos objetivos definidos na Identificação do Problema.

É realizada a escolha, a configuração e execução de um ou mais algoritmos para extração de conhecimento.

Compreende a escolha da:    tarefa de Mineração de Dados a ser empregada, a escolha do algoritmo e a extração dos padrões propriamente dita.

31

DATA MINING – MINERAÇÃO DE DADOS O PROCESSO DE MINERAÇÃO DE DADOS PÓS-PROCESSAMENTO:   A obtenção do conhecimento não é o passo final do processo de Extração de Conhecimento de Bases de Dados.

O conhecimento extraído pode ser utilizado na resolução de problemas da vida real. Para isso é importante responder algumas questões aos usuários:    O conhecimento extraído representa o conhecimento do especialista?

De que maneira o conhecimento do especialista difere do conhecimento extraído?

Em que parte o conhecimento do especialista está correto?

32

DATA MINING – MINERAÇÃO DE DADOS TÉCINCAS E FERRAMENTAS USADAS EM MINERAÇÃO DE DADOS ALGUMAS TÉCNICAS:     Análise Estatística; Aprendizado de Máquina; Algoritmos Genéticos; Clustering;    Lógica Fuzzy; Regras e Árvores de Decisão; Redes Neurais.

33

DATA MINING – MINERAÇÃO DE DADOS TÉCINCAS E FERRAMENTAS USADAS EM MINERAÇÃO DE DADOS ALGUMAS FERRAMENTAS:       Enterprise Miner , ferramenta de data mining do SAS Microsoft SQL Server , ferramenta originalmente de banco de dados que a cada nova versão tem ganho novas funcionalidades de Business Intelligence. Possui 8 algorítmos na versão do SQL Server 2008 e sua plataforma é extensível para integração de outros algorítmos desenvolvidos. IlliMine Projeto de mineração de dados escrito em C++. InfoCodex Aplicação de mineração de dados com uma base de dados linguística. KDB2000 Uma ferramenta livre em C++ que integra acesso à bases de dados, pre-processamento, técnicas de transformação e um vasto escopo de algoritmos de mineração de dados. KXEN outros. Ferramenta de mineração de dados comercial, utiliza conceitos do Profesor Vladimir Vapnik como Minimização de Risco Estruturada (Structured Risk Minimization ou SRM) e

34

DATA MINING – MINERAÇÃO DE DADOS TÉCINCAS E FERRAMENTAS USADAS EM MINERAÇÃO DE DADOS          KNIME implementa o paradigma de pipelining de dados. Baseada no eclipse Plataforma de mineração de dados aberta que LingPipe API em Java para mineração em textos distribuída com código-fonte. MDR Ferramenta livre em Java para detecção de interações entre atributos utilizando o método da multifactor dimensionality reduction (MDR). Orange Tookit livre em Python para mineração de dados e aprendizado de máquina. Pimiento Java. Um ambiente para mineração em textos baseado em PolyaAnalyst Ambiente que permite a montagem de fluxos para mineração de dados e texto. Tanagra WEKA Software livre de mineração de dados e estatística. Software livre em java para mineração de dados. Cortex Intelligence Sistema de PLN aplicado à Inteligência Competitiva para mineração de textos

35

SAS E

NTERPRISE

M

INER  Presente em 110 países, com mais de 40 mil instalações, a SAS no Brasil é o parceiro de negócios líder de mercado na oferta de soluções para a gestão corporativa baseada em inteligência.

36

37

38

39

IBM I

NTELLIGENT

M

INER  O Intelligent Miner, uma poderosa ferramenta para análise de dados integrada. As tradicionais técnicas de mineração de dados (análise de 40 agrupamentos, análise de afinidades, classificação, estimativa e previsão) são suportadas. Adicionalmente, ricos componentes de apresentação estão disponíveis para possibilitar uma análise visual dos resultados.

40

41

42

43

44

O

RACLE

D

ARWIN

S

OFTWARE

D

ATA

M

INING  poderosa ferramenta de mineração de dados que ajuda a transformar gigantes massas de dados em inteligência corporativa. Darwin ajuda a encontrar padrões significativos e correlações em dados corporativos. Padrões que permitem um melhor entendimento e previsão do comportamento de clientes.

45

46

47

48

EXERCÍCIO DE FIXAÇÃO:

49