MINERAÇÃO DE DADOS - Valdick Salesvaldick.com/files/Mineracao_de_dados.pdf · 4 As informações...

1

MINERAÇÃO DE

DADOS

2

CONCEITOS BÁSICOS

DADO

INFORMAÇÃO

CONHECIMENTO

3

Os dados são elementos brutos, sem significado, desvinculados

da realidade. São, segundo Davenport (1998, p. 19), "observações

sobre o estado do mundo".

São símbolos e imagens que não dissipam nossas incertezas. Eles

constituem a matéria-prima da informação. Dados sem qualidade levam

a informações e decisões da mesma natureza.

Sendo o dado considerado a matéria-prima para a informação: o que

são informações?

DADOS

CONCEITOS BÁSICOS

4

As informações são dados com significado. "São dados dotados

de relevância e propósito" (Drucker apud Davenport, 1998, p.18).

Elas são o resultado do encontro de uma situação de decisão com

um conjunto de dados, ou seja, são dados contextualizados que

visam a fornecer uma solução para determinada situação de decisão

(MacDonough apud Lussato, 1991).

A informação pode assim ser considerada como dados

processados e contextualizados, mas para Sveiby (1998) a

informação também é considerada como "desprovida de significado

e de pouco valor", e Malhotra (1993) a considera como "a matéria-

prima para se obter conhecimento".

INFORMAÇÕES

CONCEITOS BÁSICOS

5

Para Davenport (1998, p.19), o "conhecimento é a informação

mais valiosa (...) é valiosa precisamente porque alguém deu à

informação um contexto, um significado, uma interpretação (...)".

O conhecimento pode então ser considerado como a informação

processada pelos indivíduos. O valor agregado à informação

depende dos conhecimentos anteriores desses indivíduos.

Assim sendo, adquirimos conhecimento por meio do uso da

informação nas nossas ações.

Desta forma, o conhecimento não pode ser desvinculado do

indivíduo; ele está estritamente relacionado com a percepção do

mesmo, que codifica, decodifica, distorce e usa a informação de

acordo com suas características pessoais, ou seja, de acordo com

seus modelos mentais ou necessidade.

CONHECIMENTO

CONCEITOS BÁSICOS

6

Um carro BMW, último tipo, conversível, zero

quilômetro, totalmente destruído em um acidente

no qual o motorista bateu em uma árvore

centenária derrubando-a pode ser codificado,

decodificado e distorcido das seguintes maneiras.

Algumas pessoas serão levadas a decodificar

as informações baseadas em seus valores

materiais: "Logo um carro tão caro! Será que ele

está segurado?

Exemplo

CONCEITOS BÁSICOS

7

Enquanto outras pessoas, com valores humanos

mais aguçados, terão seu foco no ser humano:

"Será que o acidente resultou em feridos?"

Outras pessoas com interesses ecológicos ainda

terão suas atenções voltadas ao destino da árvore

centenária: "Logo nesta árvore! Não poderia ter

sido em uma outra?".

Exemplo

CONCEITOS BÁSICOS

8

MAIS UM INGREDIENTE

NA CONCEPÇÃO DA

UTILIZAÇÃO DA

INFORMAÇÃO

9

DADOS

DADOS CONTEXTO INFORMAÇÃO

INFORMAÇÃO EXPERIÊNCIA CONHECIMENTO

CONHECIMENTO HABILIDADE COMPETÊNCIA

UM NOVO CONCEITO

10

TOMADA DE DECISÕES

Informação

Conhecimento

Competência

Decisão

Cadeia do

Processo

Decisório

ERP ,

Sistemas

Individuais

BI : OLAP, CRM,

DATAWAREHOUSE,

DATA MINING, etc;

Dados

11

Era da Inteligência

Era das aplicações

Era dos bancos de dados

1980 1990 2000 2010

HISTÓRICO

12

A IMPORTÂNCIA DA

INFORMAÇÃO

13

DUPLO PAGAMENTO

O consumidor paga duas vezes por cada compra:

A primeira com dinheiro e a segunda ao fornecerinformação que vale dinheiro.

Por exemplo, se o freguês pagar com cartão decrédito, é claro, que muita coisa é revelada. Agora ofreguês também está fornecendo: (1) nome, (2)endereço e CEP, (3) informação sobre crédito, (4)base para inferir na renda familiar, e muitas coisasmais.

A pergunta essencial que paira no ar é: Quempossui os dados sobre o freguês ? E quando custa.

14

DUPLO PAGAMENTO

O consumidor paga duas vezes por cada compra:

A primeira com dinheiro e a segunda ao fornecerinformação que vale dinheiro.

Por exemplo, se o freguês pagar com cartão decrédito, é claro, que muita coisa é revelada. Agora ofreguês também está fornecendo: (1) nome, (2)endereço e CEP, (3) informação sobre crédito, (4)base para inferir na renda familiar, e muitas coisasmais.

A pergunta essencial que paira no ar é: Quempossui os dados sobre o freguês ? E quando custa.

15

O PODER DA INFORMAÇÃO

O maior capital das empresas não são mais os

seus colaboradores. Mas sim, as suas informações.

As informações passaram a ser os resultados de

todas as ações operacionais que fazem a empresa

funcionar.

16

OBTENDO INFORMAÇÕES

Quais informações poderíamos

obter em uma simples Nota Fiscal

e que cruzamentos poderíamos

fazer?

17

UMA NOTA FISCAL

18

UMA NOTA FISCAL

19

O QUE É MAIS IMPORTANTE ?

A

INFORMAÇÃO !

20

REFLEXÃO...

“ ADMINISTRAR BEM UM NEGÓCIO É

ADMINISTRAR SEU FUTURO; E ADMINISTRAR

SEU FUTURO É ADMINISTRAR INFORMAÇÕES “

( Marion Harper Jr.)

21

REFLEXÃO

“O mundo não está interessado

nas tempestades que você

enfrentou, quer apenas saber se

você trouxe o navio”William Mac Fee

E como você acha que as

organizações pensam?

22

. . .

“Não estamos aqui para prever o

futuro ,mas sim para criar a

certeza de tê-lo”

Peter Ferdinand Drucker

E com quais ferramentas?

23

ESPÉCIES DE ORGANIZAÇÕES

AS QUE FAZEM AS COISAS

ACONTECEREM.

AS QUE OBSERVAM AS COISAS

ACONTECEREM.

AS QUE PERGUNTAM O QUE

ACONTECEU.

24

REFLEXÃO

“DIGA-ME, POR FAVOR, QUE CAMINHO DEVO TOMAR

PARA SAIR DAQUI ?”, perguntou Alice.

“ISTO DEPENDE DE PARA ONDE VOCÊ QUER IR”,

disse o gato.

“NÃO FAZ DIFERENÇA PARA MIM”, retrucou Alice.

“ENTÃO, NÃO FAZ DIFERENÇA QUE CAMINHO VOCÊ

TOMA”,

respondeu-lhe o gato.

“ALICE NO PAÍS DAS MARAVILHAS”

Lewis Carroll

25

.....

Comentários ?

26

NECESSIDADES

DE UM

GESTOR

27

•INFORMAÇÃO

•ANÁLISE

•DECISÃO

•AÇÃO

•VELOCIDADE

•RESULTADOS

NECESSIDADE DO GESTOR

28

Informação


QUANTO MAIOR A QUANTIDADE E QUALIDADE

DAS INFORMAÇÕES DISPONÍVEIS, MAIS FÁCIL

ACHARMOS ONDE ATUAR PARA ALCANÇARMOS

NOSSOS OBJETIVOS.

QUANTO MAIS FÁCIL PUDERMOS

MANIPULAR TAIS INFORMAÇÕES, PERMITINDO

ESTUDAR CENÁRIOS POR DIFERENTES

PERSPECTIVAS, MAIS CLARAS, FÁCEIS E FIÉIS

SERÃO NOSSAS CONCLUSÕES.

Análise

29

Decisão


CONCLUSÕES EMBASADAS EM DADOS

REAIS NOS LEVAM A TOMAR DECISÕES

ASSERTIVAS, NA DIREÇÃO EXATA DE NOSSOS

OBJETIVOS.

Ação

TAIS DECISÕES DEVEM SER IMPLANTADAS

DE MANEIRA RÁPIDA E ABRANGENTE, SENDO

TRANSFORMADAS EM AÇÕES.

30

Velocidade


AÇÕES QUE POR SUA VEZ DEVEM SER

PROCESSADAS RAPIDAMENTE, COM QUALIDADE,

EM QUANTIDADE E ABRANGÊNCIA.

Resultados

SÓ ASSIM CHEGAMOS AOS RESULTADOS

POSITIVOS QUE BUSCAMOS.

NÃO POR “MÁGICA” E SIM COMO

CONSEQÜÊNCIA LÓGICA E NORMAL DE UM

TRABALHO REALIZADO.

31

NECESSIDADES

DO

USUÁRIO

32

“Quero toda a Informação..."

Informação

Integrada

Medias

Importantes

Retorno Gerado

pelo Computador ExperiênciaAnálise

Processo

de

Business

inout

NECESSIDADES DO USUÁRIO

33

“INFORMAÇÃO NÃO É FONTE DE PODER,

É FONTE DE GESTÃO”

REFLEXÃO

34

INFORMAÇÕES

CONHECIMENTO

Foco em Resultados

Métrica dos objetivos

Estratégicos

NECESSIDADES CORPORATIVAS

BASE DE

35

Data Mining

Mineração de Dados

36


37

Mineração de Dados - Justificativa

O volume de dados

duplica a cada ano !

38

DM - MOTIVAÇÃO

Os recursos de análise de dados tradicionais

são inviáveis para acompanhar esta evolução e

velocidade da Tecnologia da Informação em busca

de conhecimento.

“Morrendo de sede por conhecimento

em um oceano de dados”

39

DATA MINING

O que é?

Mineração de dados (descoberta de conhecimento

em bases de dados):

Extração de informação interessante (não-

trivial, implícita, previamente desconhecida e

potencialmente útil) dos dados armazenados em

grandes massas de dados conhecimento para

tomada de decisão.

40

DATA MINING

KDD

Knowledge Discovery in Database

Descoberta de Conhecimento em Banco de Dados

41

DATA MINING

“KDD é o processo, não

trivial, de extração de

informações, implícitas,

previamente

desconhecidas e

potencialmente úteis, a

partir dos dados

armazenados em um banco

de dados”[Frawley , Piatetsky-Shapiro &

Matheus,1991]

42

DATA MINING

Como identificar conhecimento em

uma grande massa de dados:

– Padrões (“X” acontece se...)

– Exceções (isto é diferente de... por causa de...)

– Tendências (ao longo do tempo, “Y” deve

acontecer...)

– Correlações (se “M” acontece, “N” também deve

acontecer)

43

DATA MINING

O que é?

Nomes alternativos:

Descoberta (mineração) de conhecimento em

banco de dados (KDD - Knowledge Discovery in

Database ), extração de conhecimento, análise de

dados/padrões, business intelligence, etc.

O que não é data mining?

Processamento de consultas dedutivo.

Sistemas especialistas ou pequenos programas

estatísticos ou de aprendizado de máquina.

44

DATA MINING - MOTIVAÇÃO

Problema da explosão de dados

Processo de tomada de decisão exige análise de grandes

massas de dados

Solução: Data Warehousing e Data Mining

Data warehousing: Visão multidimensional dos dados para

processamento OLAP

Data mining: Extração de conhecimento interessante (regras,

padrões, restrições) dos dados em grandes bases de dados.

45

DATA MINING - APLICAÇÕES

Análise de dados e suporte a decisões

Análise de mercado

Marketing sob demanda, relação entre clientes, análise e

segmentação de mercado, análise cruzada de dados, etc.

Análise de risco

Previsão, controle de qualidade, análise competitiva,

análise de seguros

Detecção de fraude

Outras Aplicações

Mineração de texto (news group, email, documentos XML)

46

Quais são as fontes de dados para Análise de Mercado ?

Transações de cartões de crédito, cartões de fidelidade, cupons

de desconto, serviços de televendas, estudos de comportamento

(questionários públicos, web, etc.)

Marketing sob demanda

Descobrir grupos de “modelos” de clientes que compartilham as

mesmas características: interesses, hábitos de compras, etc.

Determinar padrões de compras.

Análise cruzada de dados.

Associações/corelações entre vendas de produtos

Previsão baseada nas associações determinadas

DM – ANÁLISE DE MERCADO

47

DM – ANÁLISE DE MERCADO

Preferências do Cliente

Data mining pode mostrar que tipos de clientes compram

que tipos de produtos (clustering ou classificação).

Identificação das necessidades dos clientes

Melhores produtos para diferentes clientes;

Modelos de predição para descobrir que fatores vão atrair

novos clientes

Informações sumárias

Relatórios multidimensionais e estatísticos

48

Planejamento de finanças e orçamentoAnálise e predição de fluxo de caixa

Análise de contingência para provisão de bens

Análise de séries temporais

Planejamento de recursos:Resume e compara os recursos e os gastos

Competição:Monitorar concorrentes e direções de mercado

Agrupar clientes em classes e elaborar métodos para ajustar preços competitivos com os concorrentes do mercado

DATA MINING – ANÁLISE DE RISCOS

49

DM – DETECCÃO DE FRAUDES

AplicaçõesLargamente usada em serviços de saúde, cartões de créditos,

telecomunicações (fraude de ligações telefônicas), etc.

TécnicasDados históricos para construir modelos de comportamento

fraudulentos e usar mineração de dados para identificar instâncias

similares

ExemplosSeguro de automóveis: detecta um grupo de pessoas que são

potenciais coletores de sinistros

Lavagem de dinheiro: detecta transações suspeitas de dinheiro

Seguro de saúde: detecta pacientes “profissionais” e grupo de

outores usados para receber seguro destes pacientes

50

DM – DETECCÃO DE FRAUDES

Detecção inapropriada de tratamento médicoComissão de Seguro de Saúde da Austrália identificou que em muitos casos os tratamentos não eram necessários (economia de $1milhão/ano).

Detecção de fraudes telefônicasModelo de ligações telefônicas: destino da ligação, duração, hora do dia, dia da semana. Análise de padrões que desviam do padrão esperado.

51

DM - DESCOBERTA DO

CONHECIMENTO EM BD (KDD)

FAYYAD 1996

?

CONHECIMENTO

PADRÕES

DADO

TRANSFORMADO

DATA

MINING

INTERPRETAÇÃO/

AVALIAÇÃO

DADOS

SELEÇÃO

PRÉ-PROCESSAMENTO

DADO

ANALISADO

DADO

PROCESSADO

TRANSFORMAÇÃO

52

DM - DESCOBERTA DO

CONHECIMENTO EM BD (KDD)

Dados

Conhecimento

Dados

Pré-processados

Dados

Transformados

Regras e

Padrões

Dados

Selecionados

1

1 - SELEÇÃO

2 - PRÉ-PROCESSAMENTO(Limpeza + Enriquecimento)

3 - TRANSFORMAÇÃO

4 - MINERAÇÃO

5 - INTERPRETAÇÃO

2

3

4

5

53

DM - ETAPAS DO PROCESSO DE KDD

Conhecer o domínio da aplicação.

Conhecimento relevante e metas da aplicação

Criar a base de dados alvo: seleção de dados

Limpeza dos dados e pré-processamento: (até 60% do esforço!)

Transformação dos dados:

Contemplar propriedades importantes e dimensões.

Escolha das funções do data mining

sumarização, classificação, associação, clustering.

Escolha dos algortimos de mineração

Data mining: busca dos padrões de interesse

Avaliação dos padrões descobertos e apresentação do conhecimento

visualização, transformação, remoção de padrões redundantes, etc.

Uso do conhecimento descoberto

54

DM - ETAPAS DO PROCESSO DE KDD

Data Mining

Descoberta

Modelagem de

Prognóstico

Análise Prévia

Lógica

Condicional

Afinidades e

Associações

Tendências e

Variações

Resultado do

Prognóstico

Previsão

Detecção de

Desvio

Análise de

Ligações

55

ARQUITETURA DE UM SISTEMA DE

DATA MINING

Data

Warehouse

Data cleaning &

data integration

Filtering

Databases

Database or data warehouse server

Data mining engine

Pattern evaluation

Graphical user interface

Knowledge-base

56

ALGUMAS TÉCNICAS

DE MINERAÇÃO

DE DADOS

57

Classificação

Descoberta de Regras de Associação

Clustering

TÉCNICAS DE MINERAÇÃO DE DADOS

58

Mineração de Dados - Classificação

• Usamos o Indutor, como por exemplo uma Árvore

de decisão (ID3, C4.5), para indicar classes para

estes dados. Assumimos que dados desconhecidos

“próximos” de dados conhecidos terão a mesma

classe dos dados conhecidos.

• O processo pode ser avaliado se usarmos dados

com classes conhecidas, fizermos a sua

classificação e compararmos os resultados

previstos com os obtidos.

59

Classificação - REGRAS

Regras possuem:

antecedentes (condições) e

conseqüentes (classe):

SE COND1 E COND2 E... ENTÃO CLASSE(A)

Condições relacionam valores dos atributos:

Atributos : Cliente, Data Vencimento, Pagamento, Valor,....

Relações: <, >, =,......


60

Classificação – REGRAS - Exemplo

SE 06:00hs< hora_sinistro < 08:30hs E

oficina

oficinas_suspeitas E

prêmio_seguro < R$ 2300 E

registro_policial = NÃO E

. . . . . . . . . . .

custo_sinistro > 2,4 prêmio_seguro

ENTÃO FRAUDE


61

Classificação - Exemplo

Sexo País Idade Comprar

M França 25 sim

M Inglaterra 21 sim

F Franca 23 sim

F Inglaterra 34 sim

F França 30 não

M Alemanha 21 não

M Alemanha 20 não

F Alemanha 18 não

F França 34 não

M França 55 não


62

Classificação

SE (país = “Alemanha”) ENTÃO (comprar=“não”)

Se (país = “Inglaterra”) ENTÃO (comprar = “sim”)

SE (país = “França” E idade 25) ENTÃO (comprar = “sim”)

SE (país = “França” E idade > 25) ENTÃO (comprar = “não”)


63

Algoritmo ID3 [Quinlan 86]


Passos para construção de uma árvore de decisão:

1. Seleciona um atributo como sendo o nodo raiz ;

2. Arcos são criados para todos os diferentes valores do

atributo selecionado no passo 1;

3. Se todos os exemplos de treinamento sobre uma folha

pertencerem a uma mesma classe, esta folha recebe o

nome da classe. Se todas as folhas possuem uma

classe, o algoritmo termina;

4. Senão, o nodo é determinado com um atributo que não

ocorra no trajeto da raiz, e arcos são criados para todos

os valores. O algoritmo retorna ao passo 3.

64


ID Salário Idade Tipo Emprego Classe

1 3.000 30 Autônomo B

2 4.000 35 Indústria B

3 7.000 50 Pesquisa C

4 6.000 45 Autônomo C

5 7.000 30 Pesquisa B


7 6.000 35 Autônomo A

8 7.000 30 Autônomo A


Salário

Idade

T.Empr.

B

A

C

B

5.000 5.000

40 40

Ind.,Pesq. Autônomo

Árvore de Decisão ou

Árvore de Classificação

(Sal 5.000) Classe = B

(Sal 5.000) (Idade 40) Classe = C

(Sal 5.000) (Idade 40) (TEmpr = Autônomo) Classe = A

(Sal 5.000) (Idade 40) ((TEmpr = Indústria) (TEmpr = Pesquisa)) Classe = B

Regras de Classificação

Exemplo

65

Algoritmo ID3: restrições


O algoritmo ID3 não contempla todos os casos:

• Quando atributos forem numéricos?

– Esquemas de discretização.

– Identificação de categorias discretas em atributos numéricos

(particionamento do atributo).

• Quando dados estiverem incompletos?

– Usar classe “faltando”.

– Substituir valores inexistentes (pré-processamento).

• Complexidade da árvore resultante

– Pruning (poda)

Outros algoritmos: C4.5 / J4.8

66

Associação


67


Regras de associação ou regras associativas têm a forma

{X1, X2, ..., Xn} Y

significando que se encontrarmos todos os itens X1, X2,

..., Xn numa transação, então temos uma boa chance de

encontrar também Y.

(Freitas,2000)

Mineração de Dados - Associação

68

Precisamos de métricas que indiquem:

• Significância em uma associação: ela pode existir mas ser muito rara

em uma base de dados (ex. Compra cerveja e fraldas).

– Suporte X Λ Y : número de casos que contém X e Y dividido pelo

número total de registros.

• Confiança em uma associação: o antecedente pode ocorrer várias

vezes na base de dados mas nem sempre com o mesmo conseqüente

associado.

– Confiança X Λ Y : número de registros que contém X e Y dividido pelo

número de registros que contém X.

(Freitas,2000)


69


dada a regra de associação X Y

X implica Y

se X então Y

se compra X então compra Y,

define-se

(Freitas,2000)

suporte = Número de registros com X e Y

Número total de registros

confiança = Número de registros com X e Y

Número de registros com XGrau de Certeza


70

(Freitas,2000)

“ Tarefa é descobrir todas a regras de associação

com suporte ao suporte mínimo (minsup) e

confiança confiança mínima (minconf) , definidas

pelo usuário”.


71


Cada registro corresponde a uma transação de um cliente,

com itens assumindo valores binários (sim/não), indicando se o

cliente comprou ou não o respectivo item.

num leite café cerveja pão manteiga arroz feijão

1 não sim não sim sim não não

2 sim não sim sim sim não não

3 não sim não sim sim não não

4 sim sim não sim sim não não

5 não não sim não não não não

6 não não não não sim não não

7 não não não sim não não não

8 não não não não não não sim

9 não não não não não sim sim

10 não não não não não sim não

(FREITAS & LAVINGTON 98)


72


(Freitas, 2000)

SE (café) ENTÃO (pão) sup=0.3 conf.=1

SE (café) ENTÃO (manteiga) sup=0.3 conf.=1

SE (pão) ENTÃO (manteiga) sup=0.4 conf.=0.8

SE (manteiga) ENTÃO (pão) sup=0.4 conf.=0.8

SE (café E pão) ENTÃO (manteiga) sup=0.3 conf.=1

SE (café E manteiga) ENTÃO (manteiga) sup=0.3 conf.=1

SE (café) ENTÃO (manteiga E manteiga) sup=0.3 conf.=1


73

Algoritmos de regras de Associação

AIS SETM

Apriori Apriori -TID

Apriori-Hybrid Dense – Miner

MiRABIT


74


(1) Dado um limiar de suporte minsup, no primeiro passo encontre os itens

que aparecem ao menos numa fração das transações igual a minsup. Este

conjunto é chamado L1, dos itens freqüentes.

(2)Os pares dos itens em L1 se tornam pares candidatos C2 para o segundo

passo. Os pares em C2 cuja contagem alcançar minsup são os pares freqüentes

L2.

(3) As trincas candidatas C3 são aqueles conjuntos {A, B, C} tais que todos os

{A, B}, {A, C} e {B, C} estão em L2. No terceiro passo, conte a ocorrência

das trincas em C3; aquelas cuja contagem alcançar minconf são as trincas

freqüentes, L3.

(4) Proceda da mesma forma para tuplas de ordem mais elevada, até os

conjuntos se tornarem vazios. Li são os conjuntos freqüentes de tamanho i;

Ci+1 é o conjunto de tamanho i+1 tal que cada subconjunto de tamanho i está

em Li.

Algoritmo Apriori

75


Algoritmo Apriori

Conjunto de itens suporte

{leite} 2

{café} 3

{cerveja} 2

{pão} 5

{manteiga} 5

{arroz} 2

{feijão} 2


{café} 3

{pão} 5

{manteiga} 5

C1

L1

L1 será os itens de C1 com

suporte >= 3 (0,3)

76


Algoritmo Apriori

C2 , L2

C3, L3


{café, pão} 3

{café, manteiga} 3

{pão, manteiga} 4


{café, pão, manteiga} 3

Os pares dos itens de L1

tornam-se

Candidatos para o C2

77


Algoritmo Apriori

Regras candidatas com dois itens com o seu grau de certeza(Confiança):

Conjunto de itens: {café, pão}

Se café Então pão conf = 1,0

Se pão Então café conf = 0,6

Conjunto de itens: {café, manteiga}

Se café Então manteiga conf = 1,0

Se manteiga Então café conf = 0,6

Conjunto de itens: {pão, manteiga}

Se pão Então manteiga conf = 0,8

Se manteiga Então pão conf = 0,8

78


Algoritmo Apriori

Regras candidatas com três itens com o seu valor de certeza:

Conjunto de itens: {café, manteiga, pão}

Se café, manteiga Então pão conf = 1,0

Se café, pão Então manteiga conf = 1,0

Se manteiga, pão Então café conf = 0,75

Se café Então manteiga, pão conf = 1,0

Se manteiga Então café, pão conf = 0,6

Se pão Então café, manteiga conf = 0,6

79


Padrões descobertos, minsup = 0,3 e minconf = 0,8:

Se café Então pão conf = 1,0

Se café Então manteiga conf = 1,0

Se pão Então manteiga conf = 0,8

Se manteiga Então pão conf = 0,8

Se café, manteiga Então pão conf = 1,0

Se café, pão Então manteiga conf = 1,0

Se café Então manteiga, pão conf = 1,0


80

Clustering

Agrupamento


81

É o resultado da identificação de um conjunto finito de

categorias (ou grupos - clusters) que contêm objetos

similares.

Grupos esses que não são previamente definidos.

Cluster

Mineração de Dados - Clustering

82

Análise de Cluster

“Esta técnica agrupa informações homogêneas

de grupos heterogêneos entre os demais e aponta o

item que melhor representa cada grupo, permitindo,

desta forma, que consigamos perceber a

característica de cada grupo.

Instintivamente as pessoas visualizam os dados

segmentados em grupos discretos, como por exemplo,

tipos de plantas ou animais. Na criação desses grupos

discretos pode-se notar a similaridade dos objetos em

cada grupo”.GTI (2002) - Deborah R. Carvalho


83

Marketing: ajuda na descoberta de grupos distintos de clientes, e uso deste conhecimento para criar campanhas dirigidas;

Uso de terras: identificação de áreas de uso similar a partir de uma base de observação via satélite;

Seguros: identificação de grupos de assegurados com alto custo de sinistro;

Planejamento urbano: identificação de grupos de casa de acordo com seu tipo, valor e localização geográfica;

Estudos sobre clientes: identificação dos tipos de clientes em função de pagamentos de duplicatas – Meu Caso.

Análise de Cluster


84

Um bom método de agrupamento (clustering) deve produzir

clusters de qualidade com:

Alta similaridade intra-classe;

Baixa similaridade inter-classes.

A qualidade do resultado de um processo de clustering

depende da medida de similaridade, do método utilizado e de

sua implementação;

A qualidade um um processo de clustering também deve ser

avaliada pela sua habilidade de descobrir alguns ou todos os

padrões escondidos (hidden patterns).

O que é bom Clustering:


85

Medida da qualidade do cluster

Métrica de similaridade / dissimilaridade: expressa em termos de função de distância d(i, j)

Existe uma função de “qualidade” que é uma medida da “adequação” de um cluster;

Existem definições de funções de distância que são diferentes para variáveis intervalares, booleanas, categóricas e proporções;

Pesos devem ser associados às variáveis baseados na aplicação e na semântica dos dados;

É difícil definir “suficientemente similar”, pois tipicamente esta avaliação é subjetiva.


86

Similaridade entre objetos: distâncias

qq

pp

qq

jx

ix

jx

ix

jx

ixjid )||...|||(|),(

2211

Distância típica: de Minkowski;

Onde i = (xi1, xi2, …, xip) e j = (xj1, xj2, …, xjp) são vetores p-dimensionais e q é um inteiro

positivo.


87

Similaridade entre objetos: distâncias

q =1: distância de Manhattan:

q =2: distância euclidiana:

||...||||),(2211 pp j

xi

xj

xi

xj

xi

xjid

)||...|||(|),(22

22

2

11 pp jx

ix

jx

ix

jx

ixjid


88

O método k-means (k-médias)

Dado k, o algoritmo k-means é implementado em

quatro passos:

1. Partição dos objetos em k conjuntos não vazios;

2. Cálculo de pontos “semente” como os

centróides (médias) dos clusters das partições

correntes;

3. Assinalação de cada objeto ao cluster

(centróide) mais próximo de acordo com a

função de distância;

4. Retorno ao passo 2 até que não haja mais

alterações de assinalação.


89

O método k-means (k-médias) - Exemplo

0

1

2

3

4

5

6

7

8

9

10

0 1 2 3 4 5 6 7 8 9 10

0

1

2

3

4

5

6

7

8

9

10

0 1 2 3 4 5 6 7 8 9 10

0

1

2

3

4

5

6

7

8

9

10

0 1 2 3 4 5 6 7 8 9 10

0

1

2

3

4

5

6

7

8

9

10

0 1 2 3 4 5 6 7 8 9 10


90

Estudo de

Caso

Extração de conhecimento na

base de clientes da

Organização Arnon de Mello

91

Ferramentas Observadas

Estudo de Caso - OAM

Bayesialab

KnowledgeMiner

Miner3D

Mineset 3.2

PolyAnalyst

Weka

WizRule

WizWhy

XpertRule

92

FAYYAD 1996

?

CONHECIMENTO

PADRÕES

DADO

TRANSFORMADO

DATA

MINING

INTERPRETAÇÃO/

AVALIAÇÃO

DADOS

SELEÇÃO

PRÉ-PROCESSAMENTO

DADO

ANALISADO

DADO

PROCESSADO

TRANSFORMAÇÃO


SQL Server

Planilha EXCEL

Filtros para os atributos:

Cliente,Vencimento,Baixa,

Valor

93


94


95

Estudo de Caso - OAMMineSet - Tools

96


97


Histograma

Cliente X

Clientes por

quantidade de

transações

financeiras (Nº

de Duplicatas)

Cerca de 75% da

carteira pagam

até 21 dias de

atraso

Cliente Tipo A

pagam entre 0 e

30 dias de atraso

98


Dispersão

99


Dispersão

O cliente 105414 paga com mais

de 360 dias de atraso e seu

volume é de R$717.544 – Requer

providências imediatas.

100


Mapa

101


Classificação

102


Classificação –

Indutor: Àrvore de decisão

103

Classificação

104


Associação

105


O cliente 105414 se mantém na faixa de atraso em (241.5...360)

Regra: Se for cliente 105414 paga com mais de 240 dias de atraso

106


Regra1: Se for cliente 108017 paga até 30 dias de atraso

Regra2: Se for cliente 113009 paga no prazo (atraso = 0)

107


Clustering

108


Clustering

109


Clustering

110


Clustering

MINERAÇÃO DE DADOS - Valdick Salesvaldick.com/files/Mineracao_de_dados.pdf · 4 As informações...

Documents

Transcript of MINERAÇÃO DE DADOS - Valdick Salesvaldick.com/files/Mineracao_de_dados.pdf · 4 As informações...